Gemini Robotics 2.5 separa peças com 96% de acerto em linhas da Mercedes-Benz, com o Gemini 4 Argon longe do robô

O Google DeepMind lançou em 10 de novembro o Gemini Robotics 2.5, um modelo de visão, linguagem e ação que começa a chegar aos seus parceiros de robótica, e abriu o anúncio com um resultado de fábrica. Numa prova de conceito em linhas de produção ativas da Mercedes-Benz em Kecskemét, na Hungria, e Sindelfingen, na Alemanha, os humanoides Apollo 2 da Apptronik tiraram suportes metálicos de caixas a granel e os colocaram em contêineres de sequenciamento, na ordem de que cada veículo precisa. O DeepMind informa taxa de sucesso de 96%.

O anúncio mostra a arquitetura de duas velocidades do Google funcionando numa linha real. A análise de outubro do Robrief concluiu que o Gemini 4 Argon era lento demais para guiar um braço robótico em tempo real. Na versão 2.5, ele não toca no robô. Segundo o DeepMind, o Argon atuou como "motor de simulação": gerou milhares de ensaios e um gêmeo digital a partir de uma cena real de câmera e ajudou os pesquisadores a deduzir, pelo vídeo, por que as tarefas falhavam. Nas linhas da Mercedes, o modelo de raciocínio incorporado Gemini Robotics ER acompanhava o fluxo de trabalho e o Gemini Robotics 2.5 movia mãos e braços.

Ganhos medidos contra as referências do próprio DeepMind

O DeepMind diz ter avaliado o modelo em 200 tarefas distintas, como servir comida com pinça, dar um laço numa caixa de presente e pipetar um líquido. Em relação às referências anteriores, relata taxas de sucesso de 30% a 100% maiores, conforme o tipo de tarefa, e execução 20% a 30% mais rápida. O Apollo 2 roda o modelo com a mão SharpaWave de cinco dedos e 22 graus de liberdade; a plataforma Franka Duo, com garras paralelas de dois dedos.

A segurança foi avaliada do mesmo jeito. Uma orientação por raciocínio aplicada na inferência elevou a conclusão segura de tarefas em 33% perto de obstáculos e em 43% perto de pessoas, pela avaliação do DeepMind. O laboratório também liberou o ASIMOV-Jailbreak, um benchmark aberto com centenas de pedidos perigosos disfarçados em dezenas de cenas. O Argon alcança 99,5% de resistência, contra 82% do Gemini Robotics ER 2.

Montar kits deixa pouca margem

Kitting é a preparação antes da montagem: separar peças avulsas em bandejas na ordem exata em que a linha vai usá-las. O DeepMind diz que o Apollo corrigia lacunas durante o trabalho. Se os 96% forem contados por pegada, são quatro erros a cada 100, cada um deles um suporte fora de sequência, a menos que alguém o pegue mais adiante. O DeepMind não informou o desempenho na mesma tarefa antes do pós-treinamento, então o número mostra aonde o Apollo chegou, não quanto avançou.

A Apptronik está confiante. "Vimos os modelos melhorarem drasticamente em poucas semanas de pós-treinamento e passarem para a produção da Mercedes-Benz quase sem perda", disse Jeff Cardenas, cofundador e CEO.