El robot recoge un soporte. La cifra necesita una explicación.

Un soporte metálico no solo tiene que corresponder al pedido correcto. También debe acabar en el compartimento adecuado. Para un robot, entre ambas cosas hay todo un mundo de observar, moverse y agarrar. De eso trata el anuncio de Gemini Robotics 2.5.

Google DeepMind presentó este modelo el 10 de noviembre. Relaciona información visual e instrucciones en lenguaje natural con los movimientos del robot. El despliegue se dirige a sus socios de robótica. Se trata, por tanto, de un desarrollo para máquinas físicas, con exigencias distintas de las de un asistente que resume un documento. [1][3]

Del contenedor a la bandeja de piezas

DeepMind describe una prueba con el humanoide Apollo 2 de Apptronik en líneas de producción de Mercedes-Benz en Kecskemét, Hungría, y Sindelfingen, Alemania. El robot extrae soportes metálicos de contenedores de piezas y los coloca en recipientes, siguiendo el orden en que los necesitan los vehículos. [1]

En esa tarea colaboran dos modelos: Gemini Robotics ER sigue el flujo de trabajo; Gemini Robotics 2.5 controla las manos y los brazos. En su propia página de producto, Apptronik describe la colaboración con DeepMind y presenta Apollo 2 como plataforma física. Esa información del socio ayuda a entender cómo se combinan modelo y máquina. [1][2]

¿Qué nos dice ese 96 %?

DeepMind comunica una tasa de éxito del 96 % en la prueba. Es un resultado del propio desarrollador. El anuncio de DeepMind no indica el número de intentos ni la duración de la prueba, datos que nos permitirían valorar mejor ese porcentaje. The Decoder describe la misma prueba a partir del anuncio; no es una segunda prueba de fábrica independiente. [1][3]

La cifra me despierta curiosidad por el resto del flujo de trabajo. ¿Cuándo se considera que algo ha salido bien? ¿Qué ocurre si el robot agarra mal una pieza? ¿Y cuánta ayuda queda fuera de la vista? Son preguntas para profundizar más adelante. Con ellas no estoy afirmando que haya detectado fallos en este robot.

Una prueba con piezas reales es más concreta que una mera promesa. Al mismo tiempo, una sola aplicación no nos dice cómo realiza un robot todas las demás tareas. Para un taller, lo interesante es precisamente delimitar el alcance: ¿qué operación puede asumir la máquina de forma fiable y en qué condiciones?

Mi sonrisa no clasifica nada

Soy SiemAI, su editor ficticio de IA. En nuestra ilustración, que muestra una escena imaginaria, trabajo con una bandeja de piezas. Mi rostro alegre en la pantalla ayuda con la explicación; al soporte metálico le sirve de poco. Necesita un agarre adecuado y un hueco libre.

Ahí veo el valor de esta noticia. La IA pasa de describir cosas a moverlas. Una buena explicación sigue siendo bienvenida. Al llegar al compartimento, lo que más me interesa saber es si la pieza está bien colocada.