Un robot que sabe cuándo dejar de verter. Gemini Robotics ER 2 comprueba si un paso funcionó

Un modelo de lenguaje que juzga mal una frase produce una frase mala. Un robot que juzga mal cuándo un contenedor está lleno lo derrama. El trabajo físico castiga la distancia entre planear una acción y confirmar que ocurrió, y esa distancia es la que el nuevo modelo de robótica de Google está diseñado para cubrir.

Gemini Robotics Embodied Reasoning 2, o ER 2, quedó disponible en vista previa pública en Google Cloud el 27 de octubre, a través de Model Garden en la plataforma Gemini. No es el modelo que mueve las articulaciones de un robot. Es la capa de razonamiento por encima de ellas: observa video continuo, entiende espacio y tiempo, planifica secuencias largas de pasos, lee instrumentos y llama herramientas de nivel inferior, como modelos visión-lenguaje-acción, API de navegación y funciones personalizadas. También puede coordinar varios robots.

La función que importa: saber si un paso funcionó

ER 2 puede clasificar el progreso de una tarea como sí o no, como un conjunto de categorías o como una puntuación continua. El ejemplo de Google es decidir cuándo dejar de verter. En la práctica, esto permite que un robot reintente el paso que falló en lugar de reiniciar todo un flujo de trabajo, y que un operador vea en qué punto de la tarea cree estar el sistema.

Google informa una precisión del 91,3% al encontrar el fotograma crítico de un video (el momento en que una acción debe detenerse o cambiar), con un error medio de 0,96 segundos, y cerca de cuatro veces la velocidad de ejecución de muchas categorías de modelos más grandes con una fracción del cómputo. Son los benchmarks de Google. Un detector del 91,3% también falla el momento casi una vez de cada once, lo que es aceptable para un robot de inspección que puede volver a mirar e inaceptable para algunos pasos industriales. El número indica alrededor de qué diseñar.

Tres capas, tres tipos de garantía

Quién decide qué en un agente físico

Razonamiento (ER 2)

• Planifica la tarea
• Lee instrumentos
• Juzga si un paso tuvo éxito

Probabilístico: evalúelo como un modelo

Control (modelos VLA, navegación, funciones)

• Mueve brazos y bases
• Ejecuta una habilidad a la vez

Se prueba por habilidad

Seguridad y reglas del sitio

• Límites de velocidad y fuerza
• Zonas de parada
• Interbloqueos

Determinista: nunca se delega al modelo

Google dice que el modelo tiene guardrails de seguridad incorporados y que la plataforma Gemini añade controles empresariales de IAM y seguridad. Eso cubre quién puede llamar al modelo. No reemplaza la capa de seguridad de la instalación física, que en entornos industriales se rige por normas de seguridad de máquinas y robots y se certifica por separado. Un modelo de razonamiento que decide que un paso falló debería poder pedir un reintento; no debería poder anular un límite de fuerza.

Los primeros usuarios nombrados por Google incluyen Boston Dynamics para inspecciones con Spot, y un proyecto de laboratorio de materiales autónomo con A*STAR de Singapur. El soporte de simulación cubre MuJoCo-Warp y NVIDIA Isaac Sim, que es donde debería ocurrir la mayor parte de las pruebas primero.

Cuando la conexión no está

El mismo día, Google Public Sector describió una prueba de concepto con la NASA: un robot que maneja cargas útiles y que algún día podría preparar equipo médico para astronautas. No usa ER 2; usa el modelo abierto visión-lenguaje-acción Pi0, con fine-tuning en Google Cloud, con una tasa de éxito inicial del 85% en una tarea de recoger y colocar en el laboratorio. El detalle útil es el razonamiento. Con viajes de ida y vuelta a la Tierra de hasta 44 minutos, los modelos deben ejecutarse localmente, y el robot actúa bajo la supervisión de la tripulación, “sin reemplazar nunca la toma de decisiones humana”.

Las minas, las plataformas marítimas y las plantas remotas enfrentan una versión más leve de esa restricción. Lo vimos con la IA de detección de tuberculosis de Google, diseñada para funcionar bajo tierra sin nube, y sostuvimos que la IA soberana es lo que sigue funcionando cuando se corta la conexión. ER 2 es un modelo en la nube en vista previa. Antes de planificar un despliegue, pregunte dónde puede ejecutarse, qué pasa con una tarea cuando la conexión se cae a mitad de un paso y qué hace el robot por defecto cuando la capa de razonamiento no responde.