Per anni, la promessa di robot umanoidi davvero utili è sembrata un video in loop: impressionante per i primi trenta secondi, ma alla fine confinata in un laboratorio a eseguire un unico compito pre-confezionato. Potevano sollevare un mattoncino, certo, ma non riuscivano a muoversi in una stanza disordinata senza sembrare dei bambini ai primi passi dopo troppi zuccheri. Google DeepMind sta ora proponendo una soluzione radicale con Gemini Robotics 2, una piattaforma AI che non è un semplice aggiornamento software, ma un vero e proprio trapianto di cervello per robot di ogni forma e dimensione.
L’idea alla base è ingannevolmente semplice: creare uno “strato di intelligenza” unificato capace di dare a qualsiasi macchina la capacità di percepire, ragionare e agire nel caos imprevedibile del mondo umano. Non si tratta solo di affinare il controllo motorio di un singolo braccio; è ciò che Google definisce “intelligenza full-body”. Per la prima volta, un singolo modello AI è progettato per controllare un umanoide dai piedi alla punta delle dita, coordinando equilibrio, locomozione e manipolazione in un unico processo fluido. È la differenza che passa tra il programmare le articolazioni di un robot e dargli una mente propria.
Un Cerbero AI a tre teste
Al cuore di Gemini Robotics 2 non c’è uno, ma un trio di modelli specializzati che lavorano in concerto. Immaginatela come una struttura di comando per far accadere le cose nel mondo fisico.
In primo luogo, c’è Gemini Robotics 2 stesso, il modello principale Vision-Language-Action (VLA). È il “motore”, colui che traduce un comando di alto livello come “metti l’annaffiatoio sul ripiano in basso” nella complessa sequenza di controlli motori necessari per camminare, chinarsi, restare in equilibrio e posizionare l’oggetto.
Il secondo è Gemini Robotics ER 2, il modello di “Embodied Reasoning” (ragionamento incarnato). Lui è lo stratega. Analizza un flusso video continuo del mondo reale per comprendere il contesto, pianificare compiti multi-fase e persino correggere la rotta quando qualcosa va storto. Se il modello principale è il corpo, ER 2 è la parte del cervello che decide il cosa prima che il VLA capisca il come. Può persino consultare strumenti esterni come Google Search per arricchire i suoi piani d’azione.
Infine, c’è On-Device 2, il trasformista. Questo VLA leggero è ottimizzato per girare localmente sull’hardware del robot, ma la sua caratteristica killer è l’adattabilità. Google sostiene che possa essere adattato a un corpo robotico completamente nuovo — con sensori, giunti e meccaniche differenti — in poche ore, utilizzando meno di 200 dimostrazioni. È un passo gigantesco per allontanarsi dallo sviluppo AI specifico per l’hardware che ha frenato il settore per decenni.
Oltre il banco di prova, dritti nel mondo reale
Il vero banco di prova per qualsiasi AI robotica è la capacità di gestire compiti che richiedono più finezza di una catena di montaggio. Gemini Robotics 2 è esplicitamente progettato per uscire dai laboratori e affrontare scenari complessi. Le demo mostrano un nuovo livello di destrezza, dal controllo di una mano a cinque dita con 22 gradi di libertà per svitare una lampadina (con un tasso di successo del 92%) al fare un nodo a un sacco della spazzatura (un più modesto, ma promettente, 44%).
Questo salto di qualità è reso possibile dall’integrazione dell’intero corpo nel processo decisionale. Nei test con l’umanoide Apollo 2 di Apptronik, il robot ha raggiunto un tasso di successo del 76,3% nel recuperare oggetti da uno scaffale — un compito che richiede di coordinare camminata, equilibrio, estensione e presa in modo simultaneo.
Ma forse la caratteristica più lungimirante è la collaborazione multi-robot. Gemini Robotics ER 2 può agire come coordinatore centrale, dividendo i compiti tra tipi di robot completamente diversi. Immaginate un umanoide come Apollo che passa un oggetto a un robot mobile su ruote per il trasporto, con entrambi che comprendono il proprio ruolo in un flusso di lavoro più ampio. È qui che l’ambizione della piattaforma diventa chiara: creare un linguaggio comune affinché le macchine possano lavorare insieme.
L’Android della robotica?
Con Gemini Robotics 2, Google sta facendo una mossa strategica per diventare il sistema operativo fondamentale per la prossima generazione di hardware. Creando un’AI potente e adattabile che può teoricamente girare su qualsiasi macchina, si stanno posizionando come il fornitore di “cervelli” per un ecosistema di “corpi” robotici in rapida espansione.
Per sviluppatori e ricercatori, la buona notizia è che parti di questo nuovo potente strumento sono già accessibili. Gemini Robotics ER 2 è ora disponibile tramite le API di Gemini e Google AI Studio, permettendo di iniziare a costruire applicazioni che sfruttano le sue capacità avanzate di ragionamento. Questo apre le porte alla comunità per sperimentare con la pianificazione multi-step e la comprensione video del mondo reale nei propri progetti robotici.
Naturalmente, il divario tra una demo mozzafiato e un robot realmente utile e affidabile resta un abisso. Il mondo reale è infinitamente più caotico di un laboratorio controllato. Ma concentrandosi su un’intelligenza generalizzata capace di imparare, adattarsi e collaborare, Google DeepMind sta gettando un ponte. Non stanno solo costruendo un robot più intelligente; stanno cercando di creare lo schema architettonico affinché tutti i robot possano diventarlo. E per una volta, sembra che i video promozionali stiano finalmente iniziando a riflettere la realtà.