Gemini Robotics 2.5 ensina humanoide Apollo 2 a preparar peças da Mercedes com 96% de sucesso

Um robô que funciona perfeitamente no laboratório costuma se atrapalhar na fábrica já na primeira peça escorregadia ou diante de uma caixa ligeiramente fora do lugar. É justamente essa distância entre o vídeo de demonstração e o chão de fábrica real que a DeepMind tenta reduzir com o novo modelo Gemini Robotics 2.5. O mais interessante do lançamento é o piloto na linha de montagem da Mercedes-Benz e a forma como o modelo foi treinado, mais do que os recordes nos testes de laboratório.

O que o modelo consegue fazer

O Gemini Robotics 2.5 é um modelo VLA (visão-linguagem-ação). Ele recebe imagens das câmeras e uma instrução em texto e produz movimentos dos braços e dos dedos. A DeepMind o testou em mais de 200 tarefas diferentes: servir comida com pegadores, amarrar um laço em uma caixa de presente e aspirar líquido com uma pipeta.

A dificuldade dessas tarefas está na delicadeza, mais do que na força. É preciso lidar com ferramentas, objetos macios e flexíveis, como tecidos e fitas, e itens frágeis. Segundo a DeepMind, as tentativas bem-sucedidas aumentaram 30–100%, dependendo do tipo de tarefa, enquanto a execução ficou 20–30% mais rápida do que nas versões anteriores.

O modelo não está preso a uma única plataforma de hardware. Ele foi executado no humanoide Apptronik Apollo 2 com uma mão SharpaWave de cinco dedos (22 graus de liberdade) e na plataforma de dois braços Franka Duo, com garras paralelas simples.

Da bancada ao chão de fábrica

A principal demonstração é um piloto nas linhas da Mercedes-Benz em Kecskemét, na Hungria, e Sindelfingen, na Alemanha. O Apollo 2 fez a preparação de kits de peças (kitting): retira peças de caixas grandes e as distribui em bandejas na ordem em que serão necessárias para um carro específico na linha. O trabalho é monótono e fisicamente pesado, e um erro na sequência acaba causando problemas para os operadores de montagem.

A arquitetura tem duas camadas. O modelo Gemini Robotics ER acompanha o processo inteiro e decide o que fazer em seguida. O Gemini Robotics 2.5 controla os braços: alcança o interior da caixa, pega suportes metálicos, coloca-os na bandeja e corrige suas ações se algo der errado. O resultado é 96% de operações bem-sucedidas.

É preciso interpretar esse número com cautela. Trata-se de uma prova de conceito, não de uma operação regular em produção, e 4% de falhas ainda é muito em uma linha de montagem. Não foi apresentada uma comparação de velocidade com uma pessoa. Ainda assim, o CEO da Apptronik afirma que o modelo melhorou perceptivelmente após algumas semanas de ajuste fino e foi transferido para a fábrica da Mercedes com uma pequena perda de desempenho. Para a indústria, isso importa mais do que o percentual em si: transferir o aprendizado custa menos do que configurar o sistema separadamente para cada chão de fábrica.

Segurança e o papel do simulador

Para agentes físicos, a segurança é um desafio de engenharia por si só. O Gemini Robotics 2.5 inclui orientação de raciocínio durante a inferência (inference-time reasoning guidance), que ajuda o robô a contornar áreas perigosas. Segundo as medições da DeepMind, a conclusão segura de tarefas melhorou 33% perto de obstáculos e 43% perto de pessoas.

Também foi testada a resistência a jailbreaks, nos quais um pedido perigoso é disfarçado de inofensivo. Para isso, a DeepMind disponibilizou o benchmark ASIMOV-Jailbreak: centenas de prompts em dezenas de cenas. O Gemini 4 Argon bloqueia 99,5% dessas tentativas, contra 82% do modelo de referência anterior, o Gemini Robotics ER 2.

O Gemini 4 Argon também teve um papel importante no próprio desenvolvimento. Ele serviu como motor de simulação: a partir de uma única cena real captada por uma câmera, construía um gêmeo digital e gerava milhares de variações de execuções de treinamento. Além disso, analisava vídeos para inferir por que o robô havia falhado em uma tarefa e ajudava a testar as correções em simulação e em robôs reais. Demonstrações reais e simulação, juntas, ajudam o modelo a generalizar mais rapidamente para novas cenas e objetos.

Como aproveitar isso

Por enquanto, o modelo é oferecido apenas a parceiros, então não é possível testá-lo diretamente. Ainda assim, há algumas conclusões práticas.

• Se você desenvolve sistemas robóticos, considere separar as funções: um modelo planejador e outro executor. Isso facilita a depuração e a substituição dos componentes.
• A abordagem de capturar uma cena real e gerar milhares de simulações merece ser adotada onde há poucos dados reais.
• O ASIMOV-Jailbreak está disponível ao público e pode ser executado nos seus próprios agentes como teste adicional.

Todos os números têm a mesma limitação: são publicados pela própria DeepMind, não há verificações independentes e as versões de referência usadas nas comparações são descritas com poucos detalhes. Mas a direção está clara: os humanoides estão saindo dos laboratórios para executar operações específicas e bem delimitadas, e a principal questão agora é com que custo e segurança será possível ampliar sua adoção.