Google DeepMind lança Gemini Robotics 2 e leva IA para o mundo físico

Google DeepMind apresentou o Gemini Robotics 2, uma evolução significativa de seu modelo de inteligência artificial que marca a transição da tecnologia para o mundo físico. A nova versão integra múltiplos modelos de IA em um único sistema, capacitando robôs a compreenderem o ambiente ao redor e a executarem ações complexas de forma autônoma.

A arquitetura do sistema combina um modelo de linguagem e visão (VLM), responsável por processar imagens e vídeos, interagir com humanos e raciocinar sobre a execução de tarefas. A esse núcleo, somam-se dois modelos de ação, linguagem e visão (VLA), treinados especificamente para orquestrar os movimentos corporais completos e a destreza de garras ou mãos mecânicas.

Em demonstrações preliminares, a tecnologia foi aplicada em robôs humanoides capazes de realizar tarefas manuais delicadas, como trocar lâmpadas e amarrar sacos de lixo. Um dos casos de uso exibidos envolveu o robô Apollo 2, da Apptronik, equipado com mãos da Sharpa, executando a organização de prateleiras com notável autonomia.

O treinamento do Gemini Robotics 2 utilizou uma abordagem híbrida, mesclando teleoperação humana, exemplos em vídeo e simulações. Apesar dos avanços rumo a uma AGI física, o modelo ainda depende de treinamento específico para cada nova tarefa complexa, evidenciando que a adaptação da inteligência artificial ao mundo real ainda impõe desafios práticos e riscos operacionais.

Enquanto concorrentes como Anthropic e OpenAI consolidam suas lideranças em chatbots e ferramentas de programação, o Google reafirma sua tradição histórica em pesquisa robótica. O lançamento do Gemini Robotics 2 não apenas materializa décadas de estudos acadêmicos da empresa, mas também redefine as fronteiras da competição no setor de inteligência artificial aplicada à física.

Imagem: Rui Dias / Pexels — Pexels License