Google DeepMind lanza Gemini Robotics ER 2 para razonamiento y colaboración de robots
Hecho Qué ha ocurrido
Google DeepMind ha presentado Gemini Robotics ER 2, un modelo de razonamiento embodied diseñado como «cerebro» para robots. El modelo permite razonamiento espacial en tiempo real, planificación de tareas multietapa y colaboración entre múltiples robots mediante comprensión de video continuo. Alcanza 57,4% de precisión en clasificación de progreso de tareas y 91,3% en identificación de momentos críticos, con latencia subsegundaria requerida para operaciones seguras. Está disponible públicamente vía Gemini API, Google AI Studio y en vista previa privada en Gemini Enterprise Agent Platform.
Resumen generado mediante IA a partir de Google DeepMind (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
ER 2 representa un avance significativo en la capacidad de robots para operar de forma autónoma en entornos físicos reales, coordinarse entre múltiples máquinas y autocorregirse en tiempo real. Para empresas de manufactura, logística y servicios, esto abre la posibilidad de implementar agentes físicos más seguros, adaptables y colaborativos sin intervención constante.
- Quién se ve afectado
- Fabricantes de robots, integradores de sistemas de automatización, empresas de logística, manufactura y servicios que requieren soluciones de manipulación y navegación autónoma.
- Qué puede cambiar
- Los robots pueden ahora coordinarse entre sí en tareas complejas que requieren múltiples máquinas, adaptar su ejecución observando video en tiempo real y tomar decisiones sin pausas evidentes. Esto reduce costes de supervisión y permite desplegar flotas heterogéneas en espacios compartidos.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Velocidad de adopción en pilotos industriales, benchmarks comparativos respecto a otros modelos de razonamiento embodied, mejora en latencia y reducción de costes computacionales, expansión de asociaciones con fabricantes (Boston Dynamics, Apptronik, Franka), y evolución regulatoria en seguridad de robots autónomos.
Recomendación Qué debería hacer una empresa
Empresas con operaciones logísticas o de manufactura deberían evaluar ER 2 en pilotos controlados durante los próximos 6-12 meses, especialmente para tareas multietapa en espacios compartidos con personal. Verificar latencia real en entorno de producción y costo integrado con VLA models existentes.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Fuente original: Google DeepMind (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗IA embodiedvideo understandingagentes multi-robotorchestrationVLA models Boston Dynamics SpotGemini Robotics ER 2Google DeepMindmulti-robot collaborationrobots autónomos
Forma parte de la historia Google impulsa robótica con Gemini Robotics 2/ER 2 y modelos Gemini optimizados (3 noticias, estado: cerrada).
Relacionadas
Google anuncia tres modelos Gemini optimizados y Gemini Robotics ER 2 para agentes IA
Google ha lanzado en julio 2026 tres nuevos modelos Gemini —3.6 Flash, 3.5 Flash-Lite y 3.5 Flash Cyber— diseñados para mayor eficiencia de tokens, menor…
Por qué importaLos modelos Gemini optimizados permiten a desarrolladores y empresas escalar agentes IA en producción con mayor eficiencia operativa y costes…
Google DeepMind presenta Gemini Robotics 2 con control corporal completo y colaboración multirobótica
Google DeepMind ha lanzado Gemini Robotics 2, un sistema que añade control de cuerpo completo, destreza avanzada y colaboración entre múltiples robots a la…
Por qué importaRepresenta un salto cualitativo hacia robots generales y adaptables que pueden razonar, no solo ejecutar secuencias predefinidas. La capacidad de…
Google y Cathay Pacific amplían pruebas de IA para evitar estelas de condensación
Google Research está ampliando con Cathay Pacific un programa piloto que usa IA, imágenes satelitales y datos meteorológicos para ajustar ligeramente la…
Por qué importaEs un ejemplo de aplicación de IA a un problema climático concreto en un sector con difícil descarbonización, usando infraestructura existente sin…
Gemini Spark de Google ya puede gestionar bibliotecas de Google Photos
Google anunció que su agente personal Gemini Spark puede ejecutar tareas en Google Photos, como editar imágenes, curar álbumes, crear álbumes compartidos…
Por qué importaEs un ejemplo más de cómo las grandes tecnológicas integran agentes de IA en servicios de consumo masivo, buscando justificar el valor de las…