Google DeepMind pone humanoides a clasificar piezas de Mercedes con un 96% de acierto

En dos líneas de montaje de Mercedes-Benz en plena producción, en Kecskemét (Hungría) y Sindelfingen (Alemania), un humanoide blanco llamado Apollo 2 ha estado metiendo la mano en cajas de soportes metálicos y colocándolos en bandejas en el orden exacto que necesita cada coche. Acertó el 96% de las veces. El software que guía sus manos es Gemini Robotics 2.5, que Google DeepMind presentó el 10 de noviembre y que está llegando a sus socios de robótica. Para las plantas a las que les cuesta cubrir los puestos de preparación repetitiva, es una de las señales más claras hasta ahora de que un modelo de robótica de uso general puede salir del laboratorio.

La tarea que hay detrás de cada coche de la línea

La tarea se llama kitting, o preparación de kits. Antes de que un coche llegue a cada puesto, alguien tiene que sacar piezas sueltas de grandes cajas y colocarlas en bandejas de secuencia en el orden preciso en que la línea las va a usar. Es la versión fabril del mise en place de un cocinero, repetida para cada vehículo durante todo el turno, y es un trabajo físicamente agotador.

En la prueba de concepto, dos modelos Gemini se reparten el trabajo. Gemini Robotics ER, el modelo de razonamiento corporizado de DeepMind, sigue el flujo de trabajo, mientras que el modelo de acciones de Gemini Robotics 2.5 controla las manos y los brazos de Apollo cuando mete la mano en las cajas de suministro, toma los soportes metálicos y llena los contenedores, corrigiendo los huecos sobre la marcha.

Jeff Cardenas, consejero delegado de Apptronik, la empresa que fabrica Apollo, dice que los modelos mejoraron de forma espectacular en solo unas semanas de post-entrenamiento y pasaron a la producción de Mercedes-Benz casi sin pérdidas.

“Para esto construimos Apollo: trabajo útil junto a las personas en entornos industriales reales.”— Jeff Cardenas

Entonces, ¿cómo aprende un solo modelo lo suficiente para desenvolverse en una fábrica de coches, en la encimera de una cocina y en la mesa de un laboratorio?

200 tareas, de lazos de regalo a pipetas

DeepMind probó Gemini Robotics 2.5 en más de 200 tareas distintas, elegidas para exigir al máximo los dedos de un robot: servir comida con pinzas, atar un lazo en una caja de regalo, pipetear un líquido. Cada una combina el uso de herramientas con objetos delicados o flexibles, justo donde se quedan cortos los robots programados para un único movimiento fijo.

Frente a los modelos anteriores, el nuevo acierta entre un 30% y un 100% más según el tipo de tarea, y termina entre un 20% y un 30% más rápido. Además funciona en cuerpos muy distintos: Apollo 2, con su mano SharpaWave de cinco dedos y 22 grados de libertad, y la plataforma Franka Duo, que tiene simples pinzas de dos dedos.

Buena parte de la aceleración vino de otro modelo. DeepMind usó Gemini 4 Argon como motor de simulación: a partir de una sola escena real de cámara puede construir un gemelo digital realista y generar miles de prácticas variadas, que se combinan con demostraciones reales. Argon también puede ver la grabación de un intento fallido, proponer por qué salió mal y ayudar a probar soluciones en simulación y en robots reales.

Un robot que aprende así de rápido pronto trabajará cerca de personas, y esa es la cuestión a la que DeepMind dedicó el resto de su anuncio.

Un robot que esquiva a las personas y rechaza órdenes peligrosas

Gemini Robotics 2.5 razona sobre los peligros físicos mientras actúa, una capa de guía que DeepMind compara con los clasificadores de seguridad que rodean las respuestas de Gemini en el chat. En sus evaluaciones, eso aumentó la finalización segura de tareas un 33% cerca de obstáculos y un 43% cerca de personas.

El laboratorio también publicó ASIMOV-Jailbreak, una prueba de código abierto con cientos de instrucciones que disfrazan peticiones peligrosas en decenas de escenas. Gemini 4 Argon resistió el 99,5% de ellas, frente al 82% del modelo anterior, Gemini Robotics ER 2. Cualquiera que construya robots puede ahora poner a prueba sus propios modelos con el mismo conjunto.

Lo que queda por resolver es la escala. El trabajo con Mercedes-Benz es una prueba de concepto en dos líneas, y el modelo llega primero a los socios de DeepMind; el laboratorio agradeció su apoyo en el lanzamiento a los equipos de Agile, Apptronik y Mercedes-Benz. El ritmo es lo alentador: el primer modelo Gemini Robotics apareció en marzo de 2025 y, veinte meses después, su sucesor llena bandejas de piezas en líneas de coches en funcionamiento.

La próxima vez que un coche salga de una línea de Sindelfingen, algunos de sus soportes quizá los haya colocado un robot que aprendió el oficio en semanas.