Gemini Robotics 2.5 clasifica piezas en la cadena de montaje de Mercedes con un 96 % de precisión

Imagine una línea de montaje: en contenedores hay piezas metálicas amontonadas y hay que repartirlas en bandejas de modo que el kit de cada coche llegue en el orden correcto. Esto se llama kitting, y en las fábricas este trabajo lo siguen haciendo sobre todo personas. Google DeepMind afirma que su nuevo modelo Gemini Robotics 2.5 ya lo realiza en líneas operativas de Mercedes-Benz, con un 96 % de éxito.

Qué es este modelo

Gemini Robotics 2.5 es un modelo VLA (vision-language-action). Dicho de forma sencilla, un único «cerebro» recibe la imagen de las cámaras y una orden de texto como «reparte las piezas en las bandejas», y como resultado genera movimientos de manos y dedos. No hace falta programar cada agarre por separado.

Según DeepMind, el modelo se probó en más de 200 tareas, desde colocar comida con pinzas hasta trabajar con una pipeta. En comparación con las versiones anteriores de la propia compañía, la tasa de éxito aumentó entre un 30 % y un 100 % (según el tipo de tarea), y las tareas se ejecutan entre un 20 % y un 30 % más rápido. El modelo sabe trabajar con distintos robots: el humanoide Apptronik Apollo 2, con una mano de cinco dedos y 22 grados de libertad, y la plataforma Franka Duo, con dos pinzas de dos dedos.

Piloto en la línea de montaje y seguridad

Las pruebas se realizaron en Kecskemét (Hungría) y Sindelfingen (Alemania). Apollo 2 tomaba piezas de un montón y las colocaba en bandejas en el orden necesario para un automóvil concreto. Trabajaban dos modelos: Gemini Robotics ER supervisaba el curso de todo el proceso, como un controlador, y Gemini Robotics 2.5 manejaba las manos. Es un esquema conocido en los sistemas de agentes: una capa planifica y controla, la otra ejecuta.

El director de Apptronik, Jeff Cardenas, cuenta que tras varias semanas de ajuste fino el modelo mejoró notablemente y pasó a la producción de Mercedes con una pérdida mínima de calidad. Para los profesionales, este es el punto más interesante: la brecha entre el laboratorio y la planta suele devorar buena parte de las métricas.

El modelo controla el robot en tiempo real y sabe evitar peligros físicos. Según las mediciones internas de DeepMind, la ejecución segura de tareas aumentó un 33 % cerca de obstáculos y un 43 % cerca de personas.

Por separado, la compañía publicó en Hugging Face un benchmark abierto, ASIMOV-Jailbreak. Son cientos de prompts en los que peticiones peligrosas se disfrazan de corrientes en decenas de escenas: la prueba comprueba si se puede convencer a un robot de hacer algo dañino. Según Google, su modelo de lenguaje Gemini 4 Argon muestra una resistencia al jailbreak del 99,5 %, mientras que su predecesor, Gemini Robotics ER 2, alcanza el 82 %.

Este mismo Argon se usó como motor de simulación. A partir de una sola escena real captada por una cámara, genera miles de ejecuciones simuladas y un gemelo digital. Combinado con demostraciones reales, esto ayuda al robot a generalizar más rápido su experiencia a nuevas escenas y objetos. Además, a partir de grabaciones de vídeo, Argon formula hipótesis sobre las causas de los errores y comprueba las correcciones tanto en simulación como en un robot real.

Salvedades y conclusión práctica

Todas las cifras son mediciones propias de Google y sus socios; todavía no hay verificación independiente. Un 96 % en una sola tarea de kitting no es un 96 % en cualquier trabajo. Las comparaciones se hacen con versiones anteriores de la propia DeepMind, no con competidores. No se revela qué se considera exactamente «éxito» ni cuántos intentos hubo. Y un 4 % de fallos en una línea de montaje es mucho si el paro de la línea sale caro. Por ahora solo tienen acceso los socios: Agile, Apptronik y Mercedes-Benz.

Si se dedica a la robótica o a la automatización industrial, fíjese en el patrón y no en una sola cifra: la combinación de «modelo controlador más modelo ejecutor», la simulación con LLM para generar datos de entrenamiento y un ajuste fino corto para una planta concreta. Quienes desarrollan agentes deberían tomar ASIMOV-Jailbreak como ejemplo de cómo probar un sistema en el que un error no cuesta unos tokens de más, sino una pieza rota o una lesión.

Para responsables de producto y fundadores: conviene esperar al acceso abierto y a las pruebas independientes, pero ya se pueden planificar pilotos. Las operaciones acotadas y repetitivas como el kitting parecen los primeros candidatos a una implantación real de humanoides.