Gemini Robotics 2.5 clasifica piezas en líneas de Mercedes-Benz

Google DeepMind ha presentado Gemini Robotics 2.5, un nuevo modelo para controlar robots, y lo ha probado en líneas de producción en funcionamiento junto con el fabricante de robots Apptronik y Mercedes-Benz. El robot humanoide Apollo 2 clasificó piezas metálicas y Google DeepMind indica una tasa de éxito del 96 %. Las cifras proceden del anuncio del 10 de noviembre de 2026, recogido por The Decoder.

Según The Decoder, Gemini Robotics 2.5 es un modelo de visión, lenguaje y acción (VLA). Estos modelos procesan información visual, entienden instrucciones en lenguaje natural y de ahí deducen movimientos del robot. El modelo se apoya en un predecesor presentado a principios de año, que debía dar por primera vez a los robots un control de cuerpo entero. Google DeepMind lo describe como su modelo más capaz de este tipo hasta ahora.

Lo que el modelo debería saber hacer

Según Google DeepMind, Gemini Robotics 2.5 se probó en más de 200 tareas distintas, como servir comida con unas pinzas, atar un lazo alrededor de una caja de regalo o pipetear líquidos. Según el tipo de tarea, la tasa de éxito sería entre un 30 % y un 100 % superior a las referencias anteriores de la propia empresa, y las tareas se completarían entre un 20 % y un 30 % más rápido.

Conviene ser prudente: el análisis del blog CellCog señala que el anuncio no nombra ni cuantifica esas referencias de comparación. Por tanto, las tasas de éxito absolutas se desconocen y la mejora del 30 % al 100 % no puede situarse en contexto.

El modelo está pensado para varios tipos de robots. Se citan el robot humanoide Apollo 2 de Apptronik, cuya mano de cinco dedos tiene 22 grados de libertad, y la plataforma Franka Duo, con pinzas paralelas de dos dedos.

La prueba piloto en Mercedes-Benz

La prueba práctica se realizó en Kecskemét, en Hungría, y en Sindelfingen, en Alemania, sobre líneas de producción en servicio. El robot se encargó del llamado kitting: tomaba piezas metálicas sueltas de contenedores a granel y las colocaba en bandejas exactamente en el orden en que cada vehículo las necesita en la línea. Varios componentes trabajaron juntos:

• Gemini Robotics ER supervisaba el flujo de trabajo.
• Gemini Robotics 2.5 controlaba las manos y los brazos del robot.
• Apollo 2, de Apptronik, ejecutaba los movimientos de agarre y colocación.

Google DeepMind indica una tasa de éxito del 96 % en la prueba. Según CellCog, la propia empresa la califica de prueba de concepto y no dice en cuántos agarres se basa esa tasa. El director de Apptronik, Jeff Cardenas, comentó en el anuncio el paso del entrenamiento a la fábrica:

Vimos cómo los modelos mejoraban de forma espectacular en solo unas semanas de posentrenamiento y se trasladaban a la producción de Mercedes-Benz con muy poca pérdida de rendimiento.

Seguridad y simulación

Según Google DeepMind, Gemini Robotics 2.5 usa un control en tiempo real que permite al robot evitar peligros físicos mientras realiza una tarea. En sus propias evaluaciones, la ejecución segura de tareas habría mejorado un 33 % cerca de obstáculos y un 43 % cerca de personas. No hay verificación independiente de estos valores.

La empresa también publica en Hugging Face el banco de pruebas de código abierto ASIMOV-Jailbreak. Contiene cientos de instrucciones que disfrazan peticiones peligrosas en decenas de escenas y sirve para comprobar si los modelos de robótica pueden ser inducidos a acciones peligrosas. El modelo de lenguaje Gemini 4 Argon alcanza así una resistencia al jailbreak del 99,5 %, frente al 82 % de su predecesor Gemini Robotics ER 2. Importante: según CellCog, esa cifra corresponde a Gemini 4 Argon, no a Gemini Robotics 2.5; para el modelo de robótica el anuncio no da ninguna cifra.

Argon también intervino en el entrenamiento, como motor de simulación. A partir de una escena real captada por una cámara, puede generar miles de ejecuciones de entrenamiento simuladas y construir un gemelo digital. Combinado con demostraciones reales, esto debe ayudar al robot a generalizar más rápido a escenas y objetos nuevos. Además, Argon puede deducir de grabaciones de vídeo hipótesis sobre las causas de los errores, que luego se prueban en simulación y en el robot real.

Lo que queda abierto

Según Google DeepMind, Gemini Robotics 2.5 se está desplegando entre los socios Agile, Apptronik y Mercedes-Benz. Según CellCog, el anuncio no da precios, ni interfaz pública, ni fecha para un acceso más amplio, y tampoco hay un artículo técnico sobre el modelo. Todas las cifras proceden de Google DeepMind o de sus socios.

También se ignora si el robot se queda de forma permanente en la línea tras la prueba. Un piloto es un ensayo; un uso duradero por turnos sería una afirmación distinta. Conviene vigilar los resultados de organismos independientes, las mediciones con ASIMOV-Jailbreak de otros laboratorios y un acceso para desarrolladores ajenos al círculo de socios.

Qué cambia para una empresa española

Para un proveedor o un fabricante de maquinaria español, la noticia es sobre todo una señal, no un producto: el kitting, es decir, el suministro de piezas en el orden correcto, existe en muchas fábricas, y es justo ahí donde ahora se prueba un robot con un modelo de control de uso general. Gemini Robotics 2.5 no puede comprarse ni desplegarse por ahora. Quien planee automatizar puede seguir la evolución y pedir a los proveedores datos concretos: el tamaño de la muestra detrás de la tasa de éxito, la gestión de los agarres fallidos, el comportamiento cerca de las personas y el esfuerzo para enseñar piezas nuevas al robot.

Mientras no haya esas respuestas, conviene recordar que el 96 % es una cifra del fabricante procedente de un piloto, no un estándar probado para el día a día de la producción.