Google DeepMind ha rilasciato Gemini Robotics 2, il primo modello AI capace di controllare un robot umanoide completo — gambe, busto, braccia e mani a cinque dita — attraverso un’unica policy appresa end-to-end. Prima d’ora, nessun sistema di DeepMind ci era riuscito: i modelli precedenti gestivano solo il busto superiore per compiti da tavolo.
Il salto è architetturale. I sistemi precedenti, compreso Gemini Robotics 1.5 rilasciato a settembre 2025, usavano controller separati per la locomozione e la manipolazione, collegati in punti di passaggio. Gemini Robotics 2 elimina quella separazione: un solo modello visione-linguaggio-azione (VLA) traduce l’intenzione in controllo corporeo integrato, senza dover ridisegnare i raccordi tra sottosistemi ogni volta che si vuole aggiungere un comportamento nuovo. Un robot che cammina verso uno scaffale mentre ragiona su dove posare la mano, mantenendo l’equilibrio mentre il carico si sposta, è qualcosa di diverso da un braccio meccanico programmato.
Nella dimostrazione principale, il robot umanoide Apollo 2 di Apptronik riceve l’istruzione verbale di portare un annaffiatoio nel cestino verde sullo scaffale più basso. Il robot cammina fino all’oggetto, lo raccoglie, si sposta verso gli scaffali e lo posiziona nella destinazione indicata. Le percentuali di successo registrate parlano di 68,4% per raccogliere oggetti da un tavolo, 45,7% dal pavimento e 76,3% da uno scaffale. Google DeepMind non nasconde i margini di miglioramento: velocità di movimento e affidabilità restano le aree aperte. Per la destrezza manuale, il modello controlla la mano SharpaWave a cinque dita con 22 gradi di libertà montata su Apollo 2, completando operazioni come annodare sacchi della spazzatura o avvitare lampadine — quest’ultima riuscita nel 92% dei tentativi.
Gemini Robotics 2 non è un modello solo. Il pacchetto include tre sistemi distinti. Il VLA principale gestisce il controllo motorio a corpo intero. Gemini Robotics ER 2 è il livello di ragionamento: interpreta la scena, pianifica sequenze multi-step e comunica con le persone in linguaggio naturale; è già disponibile su Google AI Studio e in anteprima privata sulla Gemini Enterprise Agent Platform. Gemini Robotics On-Device 2 gira localmente sull’hardware del robot, senza dipendere dalla connettività di rete. Quest’ultimo eredita le tecniche di “motion transfer” dalla generazione precedente e può adattarsi a una morfologia robotica completamente nuova in poche ore con meno di 200 esempi dimostrativi — DeepMind l’ha testato su piattaforme come Dexmate, SO101 e Trossen, nessuna delle quali era nei dati di addestramento.
C’è anche una funzione di coordinamento tra robot diversi. Il sistema permette a un umanoide e a un braccio industriale di comunicare attraverso una comprensione semantica condivisa, suddividendo compiti che un singolo robot non potrebbe completare da solo. La coppia dimostrata è Apollo 2 con il Franka F3 Duo. DeepMind ha anche mostrato integrazione con Spot di Boston Dynamics, usando il modello ER 2 per orchestrare navigazione e API del manipolatore del cane robotico.
Il VLA e il modello On-Device sono accessibili solo ai partner in early access; ER 2 è invece già aperto agli sviluppatori via API. Google parla di un percorso verso quella che chiama “physical AGI” — un robot capace di fare qualsiasi cosa un essere umano possa fare. I numeri attuali mostrano una tecnologia funzionante ma ancora lontana da quella soglia. Il valore concreto, per ora, sta nell’unificazione dell’architettura: un solo modello, corpi diversi, istruzioni in linguaggio naturale. Il resto è lavoro da fare.
