Llevamos meses viendo vídeos de robots humanoides haciendo volteretas o sirviendo café, pero el verdadero problema nunca fue el hardware, sino el cerebro. Y aquí es donde Google acaba de dar un golpe sobre la mesa. Según han anunciado en una publicación en su web, la compañía ha lanzado Gemini Robotics ER 2. Hablamos de su modelo de inteligencia artificial más avanzado hasta la fecha aplicado al mundo físico. El objetivo es claro: que las máquinas dejen de ser autómatas de rutinas fijas y pasen a comprender de verdad el caos de nuestro entorno.
Para que te hagas una idea del salto técnico, el motivo es simple: hasta ahora, si un robot fallaba agarrando un simple vaso, el sistema entero solía colapsar. Había que reiniciar el flujo de trabajo desde cero. Una auténtica pérdida de tiempo. Pero la arquitectura de este nuevo modelo rompe con esa limitación por completo. Actúa como un gestor de alto nivel que planifica las acciones complejas y piensa a futuro.
Es decir, el modelo delega la ejecución física de los motores en subsistemas menores basados en visión-lenguaje-acción. Mientras el brazo mecánico baja a por una caja, el cerebro principal ya está decidiendo dónde colocarla después. Exactamente igual que hacemos los humanos.
Visión continua y trabajo enjambre: el fin de las máquinas aisladas
Si miramos bajo el capó, la mejora más evidente de este lanzamiento viene por la forma de entender el tiempo. El robot ya no analiza su entorno procesando fotos estáticas cada pocos segundos. Ahora mastica la realidad en vídeo continuo. Esto le permite monitorizar su propio progreso y cazar errores en tiempo real.
Y si se atasca con un paso, ni se inmuta. Puede conectarse directamente a la Búsqueda de Google o ejecutar funciones definidas por los desarrolladores para conseguir la información externa que le falta. Una locura técnica.
A ello se le suma la capacidad de trabajar en equipo, algo casi inédito en sistemas de consumo masivo. Google ha enseñado cómo varios robots logran coordinarse utilizando una comprensión semántica compartida de la misma habitación. En la demostración técnica, un robot metía piezas sueltas en cajas mientras un segundo brazo las iba organizando en una estantería de fondo. Una coreografía de hardware que sería imposible de resolver en solitario.
Velocidad y benchmarks que rompen el mercado de la IA
Evidentemente, todo esto suena a ciencia ficción, pero los de Mountain View también han sacado a pasear los datos duros. Y las cifras de DeepMind son para echarles un vistazo atento. Al integrar este sistema con la API de Gemini Live y usar un streaming bidireccional puro, la latencia cae en picado. Esas incómodas pausas de procesamiento entre un movimiento y el siguiente han desaparecido casi por completo.
Según la compañía, este sistema es cuatro veces más rápido que otros LLM gigantes del mercado. Todo ello consumiendo mucha menos capacidad computacional durante la inferencia. Una victoria doble para los ingenieros.
En concreto, el nuevo ER 2 estrena un brutal sistema de clasificación continua. La IA evalúa cada fotograma de vídeo al vuelo y asigna un porcentaje de progreso a la tarea entre el 0% y el 100%, logrando una precisión del 57,4% en esta estimación constante. Sin embargo, su verdadero fuerte es la exactitud temporal.
El modelo consigue identificar el instante crítico de una tarea con un espectacular 91,3% de precisión, desviándose apenas 0,96 segundos de media respecto al tiempo real. Números que asustan a la competencia directa.
La seguridad humana como prioridad innegociable
Pero claro, poner a un brazo de metal pesado a operar en la misma sala que los humanos tiene riesgos evidentes. Por eso, en los nuevos benchmarks de seguridad, el modelo ha mejorado exponencialmente en la detección de proximidad humana. Es un sistema altamente reactivo.
Si un operario cruza la zona de trabajo de improviso, el robot lee la escena y detiene sus motores automáticamente en milisegundos. Lo más potente es que sabe reanudar su tarea justo donde la dejó en cuanto detecta que el área vuelve a estar despejada. No hay que tocar ni un botón.
Básicamente, este movimiento acerca a la industria robótica hacia esa inteligencia artificial general que tantas start-ups andan persiguiendo. Gemini Robotics ER 2 ya está liberado para desarrolladores a través de Google AI Studio y la API estándar de la compañía. Tocará esperar para ver las virguerías que programa la comunidad en los próximos meses y comprobar si el resto de gigantes tecnológicos pueden aguantar este ritmo de innovación.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
