Un humanoide que por fin usa las piernas

El 30 de julio Google DeepMind publicó Gemini Robotics 2, y la demostración que sostiene el anuncio muestra un Apptronik Apollo 2 que camina, se agacha, se estira y despeja una habitación desordenada. La afirmación técnica que hay debajo es más estrecha y más interesante que el vídeo: por primera vez el sistema gobierna un humanoide completo, piernas, tronco, brazos y manos multidedo, mediante una única política en lugar de un controlador de locomoción atornillado a una pila de manipulación separada.

Ahí está la ingeniería. Un robot que debe decidir si da un paso más o alarga el brazo resuelve un problema y no dos, y la generación anterior no podía hacer ese ajuste porque sus mitades se gobernaban por separado. Gemini Robotics 2 también ejecuta tareas de varios minutos con cientos de puntos de decisión mientras se coordina con un segundo robot.

Tres modelos, tres puertas distintas

La publicación no es una sola cosa. Son Gemini Robotics 2, un modelo de visión, lenguaje y acción que controla humanoides completos y robots de dos brazos; Gemini Robotics ER 2, un modelo de razonamiento encarnado que actúa como cerebro de planificación, ordena trabajos de varios pasos y dirige varias máquinas; y Gemini Robotics On-Device 2, una versión optimizada para funcionar en local sin conexión de red.

Los niveles de acceso no acompañan al anuncio. Gemini Robotics ER 2 está disponible ya en Google AI Studio para cualquier desarrollador, con una vista previa privada en la Gemini Enterprise Agent Platform. Los dos modelos que producen acciones de robot quedan restringidos a socios registrados de acceso temprano. El modelo que puede invocar hoy razona sobre una escena física y devuelve un plan. Los modelos que mueven una máquina están detrás de una verja.

Lea la tabla entera y no la mejor fila

Google publicó tasas de éxito por tarea, algo más transparente de lo habitual en estos anuncios, y las cifras merecen leerse completas. En un Apollo con manos Inspire, la manipulación general de cuerpo entero logró un 76,3 por ciento al coger de una estantería, un 68,4 por ciento de una mesa y un 45,7 por ciento del suelo. En un Franka Duo con pinzas los resultados son mejores: 74,2 por ciento en recogida y colocación general, 78,9 por ciento en preparación de herramientas variadas y 89,6 por ciento en inserción precisa.

La honestidad está en los resultados multidedo. Desenroscar una bombilla alcanzó el 92 por ciento. El resto de tareas multidedo se quedó entre el 32 y el 44 por ciento. Sesenta puntos de diferencia dentro de una misma capacidad no son un redondeo, sino la señal de que la destreza sigue siendo un problema de investigación con algunas esquinas resueltas. Quien le cite el 92 sin el 32 le está vendiendo la demostración.

La cifra que cambia la economía es 200

Debajo de las imágenes del humanoide está el dato con consecuencias comerciales. DeepMind indica que una nueva configuración de robot de dos brazos puede adaptarse en unas horas con menos de 200 ejemplos, pese a las diferencias de forma, sensores y grados de libertad, y cita las plataformas Dexmate, SO101 y Trossen junto al hardware Apollo y Franka.

La recogida de datos por robot ha sido el coste estructural de la robótica industrial. Cada brazo, pinza o chasis nuevo ha exigido históricamente su propia campaña de teleoperación, y ese gasto es lo que mantuvo los modelos capaces atados al hardware con el que se entrenaron. Si unos cientos de ejemplos trasladan de verdad una política entre configuraciones, la barrera pasa de la recogida de datos a la integración, y la integración es algo que una ingeniería española de tamaño medio ya sabe vender.

Qué puede hacer realmente un operador europeo con esto en 2026

El producto utilizable este trimestre es el modelo de razonamiento, y no es poco. ER 2 acepta vídeo, entiende una escena física, ordena tareas de varios pasos y coordina más de una máquina, lo que encaja con rutas de inspección, secuenciación de tareas de almacén y capas de planificación sobre robots que ya tiene. Es accesible desde Europa hoy a través de Google AI Studio y es el sitio adecuado para un piloto pequeño y acotado.

Lo que no sostiene es un plan de inversión. Google enmarca esto como investigación temprana sin despliegue de consumo a corto plazo, cada acción mostrada exigió entrenamiento específico mediante teleoperación, vídeo y simulación, y Engadget recordó el historial del sector con demostraciones humanoides que se apoyaban discretamente en operadores ocultos. DeepMind presentó además ASIMOV-Agentic, un banco de pruebas sobre si una acción ordenada podría acabar mal, y su responsable de robótica Carolina Parada lo expresó sin rodeos: "Va a aparecer mucha incertidumbre, y por eso conviene poder entender la cuestión de la seguridad con más profundidad." Presupueste un piloto del planificador, no un humanoide en su línea.

Leer a continuación: 87 años cayeron ante una respuesta que cualquiera puede comprobar  |  El modelo estrella de Google llega tarde y sin fecha nueva