Gemini Robotics 2: Google DeepMind учит ИИ управлять гуманоидными роботами

Em julho de 2026, o Google DeepMind apresentou o Gemini Robotics 2 — uma versão atualizada do modelo de AI projetado para controlar robôs humanoides no mundo físico. Segundo a Wired, trata-se de "um salto significativo em direção ao AGI físico" — inteligência artificial que age não apenas no espaço digital, mas também interage fisicamente com objetos e pessoas.

O que o Gemini Robotics 2 é capaz de fazer?

A ideia central do modelo é uma arquitetura unificada para três tarefas: percepção (visão computacional e compreensão espacial), interpretação (processamento de instruções em linguagem natural) e ação (geração de comandos para mecanismos motores). Os sistemas robóticos tradicionais resolvem essas três tarefas com módulos separados; o Gemini Robotics 2 as combina em um único modelo multimodal.

Isso significa que um operador pode dar ao robô um comando de voz — por exemplo, "pegue o objeto vermelho da mesa" — e o modelo construirá de forma independente a cadeia desde o reconhecimento visual do objeto até o movimento preciso de captura.

• Desenvolvedor — Google DeepMind
• Plataforma — robôs humanoides
• Arquitetura — modelo multimodal unificado (visão + linguagem + controle motor)
• Posicionamento — o próximo passo rumo ao "AGI físico"

O predecessor, o Gemini Robotics de primeira geração, estabeleceu o conceito de "embodied AI" (AI incorporada) — sistemas capazes de agir em um ambiente físico tridimensional, e não apenas processar texto. O Gemini Robotics 2 desenvolve esse conceito, ampliando o conjunto de tarefas resolúveis e melhorando a precisão do controle de plataformas humanoides complexas.

Por que o AI físico é mais perigoso que o digital?

A transferência do AI do espaço digital para o mundo físico cria um perfil de riscos fundamentalmente diferente. Um modelo de linguagem corrige instantaneamente uma resposta inadequada — um modelo robótico, não: um movimento incorreto do manipulador significa um objeto quebrado, uma substância derramada ou um risco real para as pessoas próximas.

"Levar o AI para o mundo real implica riscos", afirma a

Wired, listando os desafios técnicos e éticos que surgem junto com o Gemini Robotics 2.

Entre os principais problemas estão o comportamento do modelo em situações não encontradas nos dados de treinamento; a questão da responsabilidade legal em caso de erro; e a segurança da interação física com as pessoas. São exatamente essas questões que tornam o AGI físico uma tarefa não apenas de engenharia, mas também regulatória.

O Google DeepMind não é a única empresa nessa corrida. A Tesla desenvolve o robô humanoide Optimus, a Figure AI atraiu mais de $675 milhões em investimentos, e a Boston Dynamics avança com o Atlas. No entanto, o Gemini Robotics 2 chega com uma distinção fundamental: em seu núcleo está o modelo multimodal Gemini, e não um conjunto disperso de módulos de controle fracamente conectados entre si.

O que está acontecendo com o mercado de robótica

O mercado de robôs humanoides está à beira de um crescimento em grande escala. Segundo as previsões do Goldman Sachs, até 2035 seu volume pode ultrapassar $150 bilhões — desde que o setor resolva os principais problemas de confiabilidade e segurança. O centro da competição está se deslocando da precisão mecânica para a inteligência: a capacidade de compreender tarefas não estruturadas, adaptar-se a condições em mudança e trabalhar ao lado de pessoas sem barreiras físicas.

É exatamente para esse segmento que o Gemini Robotics 2 foi concebido — um sistema com inteligência "geral" em uma estrutura física, e não um manipulador industrial programado de forma restrita que executa perfeitamente um único movimento, mas é impotente em uma situação não padrão.

O que isso significa

O lançamento do Gemini Robotics 2 confirma: os principais laboratórios de AI enxergam a robótica física como a próxima fronteira tecnológica. Para as empresas — este é o horizonte de novas aplicações em logística, manufatura e serviços. Para os reguladores — uma tarefa urgente: elaborar padrões de segurança para sistemas de AI cujas ações têm consequências físicas irreversíveis.