Google lancia Gemini Robotics ER 2, il cervello AI coordina più robot

🤖 Cosa cambia

• Gemini Robotics ER 2 osserva flussi video continui, pianifica attività articolate e corregge gli errori mentre il robot continua a operare.
• Il modello coordina sistemi VLA, API di navigazione e robot differenti, separando il ragionamento strategico dall’esecuzione dei movimenti.
• È disponibile tramite Gemini API e Google AI Studio, mentre l’accesso enterprise viene distribuito inizialmente in anteprima privata.

Google DeepMind presenta Gemini Robotics ER 2, il nuovo modello di embodied reasoning progettato per diventare il cervello strategico di robot e agenti fisici. Il sistema interpreta video, audio e testo in tempo reale, suddivide gli incarichi in più passaggi e affida l’esecuzione motoria a modelli Vision-Language-Action o ad altre interfacce di controllo. Rispetto a Gemini Robotics ER 1.6, la nuova generazione riconosce l’avanzamento di un’attività, individua il momento esatto in cui un’azione deve terminare e può coordinare macchine differenti nello stesso ambiente. Il modello è già accessibile agli sviluppatori attraverso Gemini API e Google AI Studio, con un’integrazione enterprise disponibile in anteprima privata.

Gemini Robotics ER 2 separa il pensiero dal movimento

Gemini Robotics ER 2 non è un modello destinato a controllare direttamente ogni articolazione, ruota o pinza del robot. Google lo descrive come un livello cognitivo superiore capace di comprendere l’ambiente, conversare con gli esseri umani, definire una strategia e decidere quali strumenti utilizzare per completare un incarico. I movimenti vengono affidati a sistemi di livello inferiore, come modelli VLA, API di navigazione, controller industriali o funzioni definite dallo sviluppatore.

Questa architettura rende il modello indipendente da una singola piattaforma robotica: lo stesso sistema di ragionamento può orchestrare un braccio meccanico, un rover, un robot quadrupede oppure un umanoide, purché le rispettive capacità vengano esposte come strumenti richiamabili. Il passaggio amplia il lavoro iniziato con Gemini Robotics ER 1.6 e l’ingresso dell’AI generativa nel mondo fisico, ma introduce una differenza determinante: il robot può ragionare sull’azione successiva mentre quella corrente è ancora in esecuzione. Viene così ridotta la sequenza rigida nella quale la macchina si ferma, elabora una nuova istruzione e soltanto dopo riprende il movimento. L’integrazione con la Gemini Live API, basata su streaming bidirezionale, serve proprio a mantenere una latenza compatibile con le dinamiche del mondo fisico.

Il video permette al robot di verificare ogni passaggio

Una delle difficoltà centrali della robotica non consiste nell’avviare un’azione, ma nel capire se sia stata realmente completata. Una macchina può ricevere il comando di stringere una lampadina, chiudere un sacchetto oppure versare del liquido, ma deve riconoscere autonomamente quando fermarsi e stabilire se il risultato rispetta le istruzioni. Gemini Robotics ER 2 analizza flussi video continui per monitorare lo stato dell’attività e assegna ogni fotogramma a una delle cinque fasce di avanzamento comprese tra 0 e 100%. Questa classificazione fornisce al robot una rappresentazione aggiornata del proprio lavoro, consentendogli di ripetere soltanto il passaggio fallito invece di ricominciare l’intera sequenza. Nei test pubblicati da Google, il modello raggiunge un’accuratezza del 57,4% nella classificazione del progresso, superando la generazione precedente e altri modelli avanzati confrontati dall’azienda. La seconda capacità, definita moment finding, identifica invece il fotogramma nel quale si verifica un evento decisivo, come il momento in cui una tazza è sufficientemente piena. In questa prova ER 2 registra il 91,3% di accuratezza, con una distanza temporale media di 0,96 secondi rispetto all’evento corretto. Secondo la presentazione tecnica di Google DeepMind, il modello raggiunge questa precisione con una velocità di esecuzione quattro volte superiore e un costo computazionale inferiore rispetto a categorie di modelli molto più grandi.

Più robot possono collaborare nello stesso flusso operativo

La seconda novità strutturale è la collaborazione multi-robot, sviluppata per superare il limite rappresentato dalle capacità fisiche di una singola macchina. Un rover dotato di ruote può muoversi rapidamente su superfici regolari, un umanoide può attraversare spazi costruiti per le persone e un braccio robotico può eseguire manipolazioni precise senza possedere capacità autonome di navigazione. Gemini Robotics ER 2 crea un livello semantico condiviso attraverso il quale sistemi differenti possono ricevere compiti, comunicare lo stato dell’operazione e trasferire il lavoro a una macchina più adatta. Google mostra questa architettura attraverso la collaborazione tra l’umanoide Apollo 2 di Apptronik e il sistema Franka F3 Duo, ma anche mediante una dimostrazione con Spot di Boston Dynamics, comandato in linguaggio naturale per raggiungere un oggetto, afferrarlo e consegnarlo. Il modello non sostituisce le API sviluppate dai produttori: le orchestra, selezionando navigazione, manipolazione e percezione in funzione dell’obiettivo. Questo approccio avvicina la robotica ai sistemi agentici software, nei quali un modello centrale sceglie strumenti e servizi diversi per completare un processo. La differenza è che nel mondo fisico un errore non produce soltanto un risultato digitale impreciso, ma può causare collisioni, cadute, danneggiamenti o rischi per le persone.

Il ragionamento spaziale passa dalle immagini ai flussi reali

Google ha potenziato anche la capacità di interpretare lo spazio e gli strumenti presenti nell’ambiente. La rilevazione del successo o del fallimento non opera più soltanto su immagini statiche, ma osserva video grezzi per individuare problemi avvenuti durante l’esecuzione, come versamenti, scivolamenti, oggetti disallineati o prese non riuscite. Il modello riconosce inoltre un insieme più ampio di strumenti di misura, passando dai tradizionali quadranti circolari a display digitali, scale lineari, righelli, termometri a liquido e indicatori industriali. Google dichiara di averlo valutato su dieci categorie di strumenti, un’estensione importante per ambienti produttivi, laboratori, manutenzione e logistica. L’evoluzione colloca ER 2 nel mercato della physical AI, nel quale i modelli multimodali diventano componenti operativi di macchine capaci di percepire e modificare l’ambiente. La concorrenza comprende piattaforme come NVIDIA Cosmos, Isaac e i nuovi modelli aperti per robot autonomi, oltre alle tecnologie sim-to-real utilizzate per trasferire nei dispositivi fisici le competenze apprese in simulazione. Google sceglie però di concentrarsi sul livello di orchestrazione, lasciando ai produttori e agli sviluppatori la selezione dei modelli motori e dell’hardware più appropriato.

La sicurezza diventa parte del ciclo decisionale

L’utilizzo dell’intelligenza artificiale nei robot richiede controlli differenti da quelli applicati ai chatbot, perché ogni decisione può produrre un effetto immediato nello spazio circostante. Gemini Robotics ER 2 introduce miglioramenti nei benchmark dedicati al rispetto delle istruzioni di sicurezza e al riconoscimento della vicinanza umana. In una delle prove, un robot umanoide interrompe autonomamente il lavoro quando una persona entra nell’area operativa e riprende soltanto quando lo spazio torna libero. Google presenta inoltre un nuovo benchmark per valutare se un foundation model possa agire come orchestratore sicuro di sistemi VLA, verificando la capacità di imporre vincoli, monitorare l’ambiente, determinare la fattibilità fisica di un comando e richiedere chiarimenti quando le istruzioni risultano ambigue.

Il modello può anche utilizzare strumenti esterni, compreso Google Search, ma questa apertura aumenta la necessità di separare le informazioni consultate dalle autorizzazioni concesse alla macchina. La sicurezza non dipende quindi soltanto dal modello centrale: richiede limiti hardware, arresti di emergenza, controllo degli accessi alle API e validazione delle funzioni esposte dagli sviluppatori. ER 2 migliora il processo decisionale, ma non elimina la responsabilità progettuale di chi integra l’AI in sistemi capaci di muoversi, manipolare oggetti e condividere ambienti con gli esseri umani.

Gemini Robotics ER 2 arriva agli sviluppatori

Gemini Robotics ER 2 è disponibile pubblicamente attraverso la Gemini API e Google AI Studio, mentre l’accesso tramite Gemini Enterprise Agent Platform parte in anteprima privata. Google ha pubblicato esempi di configurazione e codice per collegare il modello a interfacce di controllo e costruire agenti fisici capaci di ricevere flussi multimodali. La disponibilità via API riduce la necessità di addestrare da zero un modello di ragionamento robotico, ma non rende immediata la costruzione di un prodotto completo. Gli sviluppatori devono ancora integrare sensori, modelli motori, sistemi di navigazione, gestione degli errori e protezioni fisiche. Il valore di ER 2 consiste nell’offrire un livello comune sopra queste componenti, capace di coordinare compiti complessi e generalizzare verso situazioni non previste rigidamente in fase di programmazione. Il modello rafforza la convergenza tra AI agentica e robotica industriale, già visibile nelle fabbriche autonome e nelle piattaforme di physical AI. Con la comprensione temporale dei video e la cooperazione tra macchine differenti, Google sposta l’obiettivo dalla semplice esecuzione di comandi alla gestione autonoma di interi flussi di lavoro fisici.