La prueba se desarrolló en colaboración con Apptronik, fabricante estadounidense de robots humanoides, y Mercedes-Benz. El protagonista fue Apollo 2, un robot equipado con el sistema Gemini Robotics 2.5, que participó en tareas dentro de líneas de producción activas en las plantas de Kecskemét, Hungría, y Sindelfingen, Alemania.
Su función consistió en realizar una actividad conocida como kitting: retirar soportes metálicos de contenedores con piezas mezcladas y organizarlos en bandejas siguiendo la secuencia que requiere cada vehículo durante su fabricación.
Según los resultados difundidos por Google DeepMind, el robot alcanzó una tasa de éxito del 96%. También logró corregir por sí mismo algunos inconvenientes que aparecían durante la clasificación, como los espacios vacíos en las bandejas.
La compañía presentó el resultado como una prueba piloto que demuestra los avances de la inteligencia artificial aplicada a entornos industriales reales.
Más de 200 tareas para evaluar sus capacidades
El rendimiento de Gemini Robotics 2.5 también fue evaluado en laboratorio mediante más de 200 tareas diferentes.
Entre los ejercicios se incluyeron servir alimentos utilizando pinzas, atar un lazo en una caja de regalo y trasladar líquidos con una pipeta. Son actividades que requieren coordinación, precisión y capacidad para interpretar instrucciones y adaptarse a distintos objetos.
En comparación con versiones anteriores, DeepMind informó mejoras en las tasas de éxito de entre un 30% y un 100%, dependiendo de la tarea. También señaló que los robots pudieron completar determinadas actividades entre un 20% y un 30% más rápido.
El sistema puede funcionar con diferentes plataformas robóticas. Entre ellas se encuentran Apollo 2, que utiliza manos de cinco dedos, y Franka Duo, equipada con pinzas de dos dedos.
Jeff Cardenas, cofundador y director ejecutivo de Apptronik, destacó que los modelos mejoraron considerablemente después de algunas semanas de entrenamiento adicional y lograron adaptarse a las fábricas de Mercedes-Benz con una pérdida mínima de rendimiento.
ASIMOV-Jailbreak: la prueba para evitar que engañen a los robots
Uno de los anuncios más llamativos fue la presentación de ASIMOV-Jailbreak, una herramienta de código abierto desarrollada para evaluar la seguridad de los robots frente a instrucciones diseñadas para engañarlos.
El concepto de jailbreak hace referencia a una técnica que busca evadir las restricciones de un sistema de inteligencia artificial mediante órdenes especialmente formuladas.
En un chatbot, este tipo de manipulación puede provocar respuestas que deberían estar bloqueadas. En un robot humanoide, el riesgo es diferente: podría llevarlo a ejecutar una acción física peligrosa.
La evaluación reúne cientos de instrucciones que disfrazan pedidos inseguros en decenas de situaciones. Su objetivo es medir si los modelos pueden reconocer esas órdenes y rechazar acciones que representen un peligro.
Con esta prueba, el modelo Gemini 4 Argon alcanzó, según los resultados publicados por DeepMind, una resistencia del 99,5% frente a los intentos de manipulación. La versión anterior, Gemini Robotics ER 2, había registrado un 82%.
La compañía aclaró que estos porcentajes corresponden a sus propias evaluaciones y no cuentan con una verificación externa.
Mejoras para evitar accidentes cerca de personas
Gemini Robotics 2.5 incorpora un mecanismo que permite revisar el razonamiento del robot mientras ejecuta una tarea y modificar sus movimientos para evitar posibles peligros.
En las pruebas de DeepMind, la finalización segura de actividades mejoró un 33% cuando había obstáculos cercanos y un 43% cuando había personas en las inmediaciones.
Estas capacidades buscan reducir los riesgos asociados con la incorporación de robots humanoides a espacios de trabajo compartidos con empleados.
La inteligencia artificial también acelera el entrenamiento
Otro de los avances destacados fue el uso de Gemini 4 Argon como herramienta para acelerar el desarrollo de las capacidades robóticas.
El modelo puede generar miles de simulaciones a partir de una escena captada por una cámara y construir una representación digital del entorno. Esto permite entrenar al robot en situaciones variadas sin necesidad de repetir cada ejercicio físicamente.
También puede analizar grabaciones de tareas fallidas, proponer posibles causas de los errores y probar soluciones mediante simulaciones antes de llevarlas nuevamente al entorno real.
La tarea de kitting consistió en ordenar soportes metálicos en bandejas según las necesidades de cada vehículo. (Google Deepmind)
Por ahora, solo estará disponible para socios de Google
Google DeepMind informó que Gemini Robotics 2.5 comenzó a distribuirse entre sus socios del sector de la robótica, entre ellos Apptronik y Mercedes-Benz.
Por el momento, no existe una fecha anunciada para su disponibilidad general ni se comunicaron precios.
La experiencia en las fábricas alemanas y húngaras representa un nuevo paso en la incorporación de inteligencia artificial a los procesos industriales, aunque el 96% de éxito informado corresponde a una prueba piloto y todavía deberá evaluarse su rendimiento en implementaciones de mayor escala.
