Google DeepMind presentó Gemini Robotics 2.5, un modelo de inteligencia artificial que permite a los robots aprender más de 200 tareas nuevas en semanas en lugar de meses y ejecutarlas en fábricas reales con un 96% de éxito.
El sistema combina visión, lenguaje y acción, lo que en la práctica significa que el robot ve un objeto, entiende qué se le pide y mueve brazos y manos para lograrlo, sin que un programador le indique cada movimiento paso a paso.
Gemini Robotics 2.5 fue evaluado en más de 200 tareas distintas, desde servir comida con pinzas hasta atar un lazo en una caja de regalo o manipular líquidos con una pipeta.
Gemini Robotics 2.5 es el modelo de Google DeepMind que combina visión, lenguaje y acción para que un robot interprete una orden, reconozca un objeto y lo manipule de forma autónoma, con mejoras de hasta el cien por ciento en la tasa de éxito frente a su versión anterior. Esa capacidad lo acerca a actividades que antes requerían la destreza manual de una persona.
Según las pruebas de la compañía, el modelo logra entre un 30% y un 100% más de éxito que la versión previa, dependiendo del tipo de tarea, y completa esas tareas entre un 20% y un 30% más rápido.
El modelo funciona en distintos cuerpos robóticos. Uno de ellos es el humanoide Apollo 2, de la empresa Apptronik, que incorpora una mano de cinco dedos con 22 grados de libertad llamada SharpaWave. También opera en la plataforma Franka Duo, equipada con pinzas de dos dedos.
Para comprobar si el sistema funciona fuera de un laboratorio, Google DeepMind lo llevó a líneas de producción activas de Mercedes-Benz en Kecskemét, Hungría, y en Sindelfingen, Alemania.
Allí, los robots Apollo 2 realizaron de forma autónoma una tarea conocida como kitting: tomar piezas sueltas de contenedores a granel y ordenarlas en bandejas, en la secuencia exacta que necesita cada vehículo de la línea.
Es un trabajo repetitivo y físicamente desgastante que, al quedar en manos de los robots, libera a los técnicos humanos para concentrarse en el ensamblaje de mayor complejidad.
El robot usa un modelo de razonamiento para seguir el flujo de trabajo y el modelo de acciones para controlar brazos y manos, con capacidad de corregir desvíos sin intervención humana. El resultado fue una tasa de éxito del 96%.
Para esto fue para lo que construimos Apollo: para realizar un trabajo útil junto a las personas en entornos industriales reales, afirmó Jeff Cardenas, cofundador y director ejecutivo de Apptronik. El directivo agregó que, al combinar Apollo 2 con Gemini Robotics, los modelos mejoraron de forma notable en pocas semanas de entrenamiento posterior y mantuvieron ese rendimiento al pasar a la producción real de Mercedes-Benz.
Detrás del avance está Gemini 4 Argon, uno de los modelos más recientes de Google, que funciona como motor de simulación para acelerar el entrenamiento.
Argon genera miles de ensayos simulados a partir de una escena grabada con cámaras reales y construye lo que la compañía llama un gemelo digital de alta precisión. Combinado con demostraciones reales, esto permite que el robot aprenda a manejar objetos y escenas nuevas con mayor rapidez.
El modelo también ayuda a los investigadores a identificar por qué falla una tarea a partir de la grabación de video, y a poner a prueba mejoras tanto en simulación como en robots físicos.
A esto se suma un entrenamiento basado en un sentido del tacto compartido entre varios robots, construido con un conjunto de datos de origen chino que reúne 5.000 horas de manipulación. Esa base táctil común permite que distintos robots trasladen lo aprendido por uno de ellos a tareas que nunca habían enfrentado.
