Inteligência Artificial · tecnologia
Google lança Gemini Robotics ER 2, modelo que dá 'cérebro' de raciocínio para robôs
O novo modelo do Google DeepMind permite que robôs entendam vídeo em tempo real, corrijam suas próprias falhas e colaborem entre si, com demonstração usando o robô Spot, da Boston Dynamics.

O Google DeepMind anunciou nesta quinta-feira (30) o lançamento do Gemini Robotics ER 2, a mais nova versão de seu modelo de "raciocínio corporificado" (embodied reasoning, ou ER) voltado para robótica. Segundo a empresa, o modelo representa um salto em relação à versão anterior, o Gemini Robotics ER 1.6, ao incorporar entendimento de vídeo contínuo, orquestração de tarefas em múltiplas etapas e colaboração entre robôs diferentes.
A proposta do Gemini Robotics ER 2 é funcionar como um "cérebro" de alto nível para sistemas robóticos: o modelo interpreta comandos em linguagem natural, entende o ambiente físico ao redor do robô e planeja as etapas necessárias para completar uma tarefa, repassando a execução motora propriamente dita para modelos especializados de visão-linguagem-ação (VLA) de nível mais baixo. Isso permite que o robô "pense" sobre o próximo passo enquanto ainda executa a ação atual, evitando pausas abruptas de "parar para pensar" — um dos principais gargalos de sistemas robóticos anteriores.
Entre os avanços técnicos mais relevantes está a capacidade de classificação contínua de progresso: ao observar um vídeo em tempo real, o modelo consegue estimar em qual estágio percentual uma tarefa está (por exemplo, entre 60% e 80% completa), o que permite ao robô ajustar ações em tempo real ou repetir uma etapa falha sem reiniciar todo o processo. Segundo a empresa, o modelo atinge 57,4% de acurácia nesse tipo de avaliação, superando tanto sua geração anterior quanto modelos concorrentes de ponta.
Outro destaque é a chamada "localização precisa de momentos", que mede a capacidade do modelo de identificar o quadro exato de um vídeo em que um evento crítico acontece — como o instante certo de parar de despejar café em um copo. Nesse quesito, o Gemini Robotics ER 2 atingiu 91,3% de acurácia, com distância média de apenas 0,96 segundo em relação ao momento real, entregando essa precisão a uma fração do custo computacional e com quatro vezes mais velocidade de execução do que modelos maiores da concorrência.
O Google também demonstrou publicamente o novo modelo em parceria com a Boston Dynamics, integrando o Gemini Robotics ER 2 ao robô quadrúpede Spot para orquestrar comandos de navegação e manipulação, criando um robô interativo capaz de buscar objetos a partir de comandos em linguagem natural. Além disso, a empresa introduziu a capacidade de colaboração entre múltiplos robôs, permitindo que máquinas diferentes — como um robô com rodas ideal para ambientes internos e um humanoide mais apto a terrenos irregulares — troquem informações via entendimento semântico compartilhado para dividir tarefas complexas. Um exemplo citado pela empresa envolve o humanoide Apollo 2, da Apptronik, colaborando com o robô Franka FR3 Duo.
A segurança também foi tratada como prioridade nesta versão. Segundo o Google, o Gemini Robotics ER 2 é o modelo "mais seguro" da linha até agora, com ganhos significativos em testes de obediência a instruções de segurança e de proximidade humana — o modelo consegue interromper automaticamente um robô humanoide quando uma pessoa se aproxima e retomar o trabalho apenas quando a área estiver livre novamente. A empresa publicou ainda um relatório técnico de segurança detalhando os novos benchmarks usados para avaliar esse comportamento.
O Gemini Robotics ER 2 já está disponível publicamente para desenvolvedores por meio da API do Gemini e do Google AI Studio, além de estar em prévia privada na plataforma corporativa Gemini Enterprise Agent Platform, do Google Cloud. A empresa disponibilizou exemplos de código no GitHub para ajudar desenvolvedores a configurar e testar o modelo em aplicações reais de robótica física.