Gemini Robotics 2 tira a IA da tela e entrega o corpo do robô para o dev

Gemini Robotics 2 foi anunciado pelo Google DeepMind em 30 de julho de 2026. Além de interpretar texto e imagem, a nova família de modelos gera movimento. Ou seja, o prompt vira trajetória, força de garra e passo de humanoide. Para quem escreve código, isso abre uma superfície de integração inédita. Afinal, a camada de raciocínio já está exposta em API pública.

O anúncio chega em um momento de pressão sobre automação flexível. Hoje, boa parte das linhas industriais roda em sequência fixa. Assim, qualquer troca de produto exige reprogramação manual. Enquanto isso, os modelos de visão, linguagem e ação prometem adaptação a partir de objetivo declarado.

Gemini Robotics 2 divide o cérebro do robô em três camadas

Primeiro, vale entender a arquitetura. O anúncio reúne três modelos com papéis distintos.

O Gemini Robotics 2 é o modelo de visão, linguagem e ação. Portanto, ele converte imagem e comando em controle motor. Segundo o Google DeepMind, o modelo coordena humanoides inteiros, dos pés às pontas dos dedos. Além disso, ele opera robôs de dois braços e diferentes tipos de garra.

O Gemini Robotics ER 2 cuida do raciocínio incorporado. Na prática, ele lê o ambiente, conversa com pessoas e quebra a missão em etapas. Também acompanha tarefas longas, que duram vários minutos.

O Gemini Robotics On Device 2 roda localmente no equipamento. Dessa forma, a decisão acontece sem depender da nuvem.

Para o dev, o desenho lembra algo familiar. Basicamente, é orquestrador e executor, com contrato entre as partes. Enquanto um modelo decide o que fazer, outro resolve como mover. Ainda por cima, robôs diferentes trocam informação e cooperam no mesmo fluxo.

Por que o modelo local muda o cálculo de latência do seu projeto

Latência em robótica não é métrica de dashboard. Ela é distância percorrida antes da correção. Por isso, o On Device 2 merece atenção especial na sua arquitetura.

Quando a inferência acontece no próprio robô, o ciclo de decisão encurta. Em seguida, funções essenciais continuam disponíveis mesmo com a conexão instável. Isso importa em galpões, subsolos, laboratórios e plantas industriais.

Existe ainda o argumento de dados sensíveis. Imagens de planta, rotina de operação e layout físico costumam ter restrição contratual. Logo, processar tudo dentro do equipamento simplifica a conversa com jurídico e segurança.

89,6% de acerto: o número que anima e o asterisco que ele carrega

Os testes divulgados trazem métricas concretas. O sistema com garras alcançou 89,6% de sucesso em tarefas de inserção precisa. Já a montagem de kits com ferramentas variadas ficou em 78,9%.

Os cenários incluem amarrar saco de lixo, fechar embalagem com fecho plástico e organizar ferramentas. Um exemplo mostra o humanoide Apollo 2 colocando um regador em uma caixa verde. Antes de concluir, o robô precisa andar, alcançar, equilibrar, transportar e posicionar.

Agora vem o asterisco. Os números vieram do próprio Google DeepMind. Portanto, trate como baseline de laboratório, não como SLA de produção. Além disso, a empresa reconhece resultados desiguais na manipulação com vários dedos. Velocidade dos humanoides também segue como limitação aberta.

Menos de 200 exemplos para ensinar um corpo novo no Gemini Robotics

Aqui está o dado mais interessante para quem constrói pipeline de dados. De acordo com o anúncio oficial, o modelo se adapta a novos corpos robóticos com poucas horas de demonstração. Tipicamente, menos de 200 exemplos bastam.

Se isso se confirmar em campo, o custo de portabilidade despenca. Hoje, ensinar a mesma habilidade a máquinas de formatos diferentes consome semanas. Consequentemente, integradores passam a competir por qualidade de demonstração, e não por volume bruto de dados.

Também surge espaço claro para software ao redor do modelo. Ferramentas de captura, curadoria, simulação, versionamento de política e observabilidade entram na lista. Em resumo, o mesmo ferramental que você já conhece de MLOps, agora com telemetria física.

ASIMOV Agentic testa se o agente sabe pedir ajuda

O Google DeepMind apresentou também o ASIMOV Agentic, um benchmark de segurança. Ele avalia se o agente rejeita chamadas inseguras. Além disso, verifica se o sistema reconhece tarefas impossíveis e solicita ajuda humana diante da incerteza.

O ER 2 detecta a proximidade de pessoas e aciona parada segura. Ainda assim, autonomia sem governança continua sendo risco de projeto. Por isso, mantenha barreira física, parada de emergência, redundância e registro de decisão. Em ambiente real, log de intenção vale tanto quanto log de execução.

Gemini Robotics ER 2 já está no AI Studio, e o resto segue trancado

A disponibilidade começou de forma controlada. O Gemini Robotics ER 2 está no Google AI Studio. Também aparece em prévia privada na plataforma empresarial de agentes do Google.

Enquanto isso, os modelos de ação e de execução local ficaram restritos a parceiros de acesso antecipado. Ou seja, dá para prototipar raciocínio hoje mesmo. O controle motor, porém, ainda depende de convite.

O que dá para construir enquanto o acesso é restrito

Comece pela camada que já está aberta. O ER 2 aceita cena, objetivo e restrição como entrada. Depois, devolve plano em etapas.

A partir daí, algumas frentes ficam viáveis:

1. Planejador desacoplado. Use o ER 2 para gerar a sequência e um executor simulado para validar. Assim, você testa a lógica antes do hardware chegar.
2. Camada de política e segurança. Escreva o middleware que filtra chamadas inseguras. Inclusive, o ASIMOV Agentic serve como referência de casos de teste.
3. Pipeline de demonstração. Monte captura, rotulagem e curadoria agora. Quando o acesso abrir, seus 200 exemplos já estarão prontos.
4. Observabilidade física. Instrumente taxa de sucesso, tempo de ciclo, intervenção humana e causa de falha.

Empresas interessadas podem começar mapeando tarefas com alto custo de adaptação manual. Em seguida, avaliem qualidade dos dados de demonstração e métricas de segurança e retorno.

A leitura de fundo é simples. A próxima fase da automação premia sistemas que compreendem objetivo no mundo físico. Para o dev, o trabalho passa a incluir contrato entre camadas, dados de demonstração e política de risco. Portanto, quem começar a prototipar agora chega na fila do acesso antecipado com repertório pronto.

Acompanhe nosso perfil no Instagram!