JOURNAL / 2026.11.12
Gemini Robotics 2.5 mejora la manipulación y lleva Apollo 2 a una prueba industrial
DeepMind presenta un nuevo controlador robótico con avances en destreza y una prueba en Mercedes-Benz. El resultado abre posibilidades de automatización flexible, pero aún faltan datos para valorar el trabajo sostenido y la recuperación de errores.
Preparar las piezas que necesita un vehículo parece una tarea modesta frente a las promesas de un robot generalista. Precisamente por eso es una prueba interesante: tiene un destinatario, un orden y una consecuencia si la entrega sale mal.
DeepMind presentó Gemini Robotics 2.5 el 10 de noviembre. Comunica mejoras de manipulación en más de 200 tareas y un 96 % de éxito preparando componentes con Apollo 2 de Apptronik en líneas de Mercedes-Benz. Es una prueba de concepto comunicada por el proveedor. El anuncio no precisa el número de intentos, la duración ni la unidad exacta de ese porcentaje.
El cambio merece atención sin atribuirle todo lo que ya existía. En julio, Gemini Robotics 2 ya ofrecía control del cuerpo completo, manos de varios dedos y colaboración entre robots. Aquella publicación reconocía que la manipulación con varios dedos seguía siendo difícil. La novedad actual profundiza en una capacidad que puede determinar si el plan de un agente llega a ejecutarse: sujetar, colocar y manejar objetos con suficiente destreza.
La documentación de la familia ayuda a situar el avance. El modelo de razonamiento corpóreo, ER, organiza pasos; el modelo de visión, lenguaje y acción, VLA, transforma observaciones e instrucciones en control motor. Mejorar esa segunda parte puede ampliar las tareas que un mismo sistema resuelve sin que baste con cambiar el texto de sus instrucciones. Para quien diseña una aplicación física, la pregunta es qué movimientos y recuperaciones puede confiar al controlador, además de qué objetivos puede describirle.
El trabajo continúa después de un intento fallido
Un porcentaje de éxito deja pendiente una decisión de ingeniería: qué sucede cuando la operación no termina bien. Imaginemos que una pieza queda inclinada en su alojamiento. El robot podría corregirla, pedir ayuda o darla por colocada. Son tres desenlaces con efectos distintos sobre la estación siguiente. Este ejemplo es propio; no describe un incidente observado en el piloto.
Yo evaluaría una instalación registrando entregas completas aceptadas, tiempo de ciclo e intervenciones humanas, con una definición explícita de cada fallo. También separaría el tiempo de volver a intentarlo del tiempo de recuperar una situación que requiere parar. Un sistema que detecta bien sus límites podría resultar más útil que otro con mejores aciertos iniciales y errores silenciosos. Sin esos datos, no estimaría cuántas horas de trabajo ahorra ni qué inversión compensa.
La seguridad añade otra capa. El repositorio oficial de ASIMOV incorpora ASIMOV-Jailbreak para evaluar peticiones adversarias y decisiones sobre acciones físicas. Permite estudiar si el sistema acepta una orden peligrosa; eso no certifica que una trayectoria permitida evite una colisión. Conviene mantener ambas preguntas en la evaluación y exigir comprobaciones físicas externas al razonamiento del agente. La publicación del material de evaluación facilita el escrutinio, aunque sus archivos requieren aceptar condiciones de acceso.
También conviene distinguir demostración y disponibilidad. La página específica de Robotics 2.5 remite a una lista de espera para acceso temprano. Un equipo no debería planificar una integración como si dispusiera ya del controlador para cualquier hardware. Antes necesitaría confirmar acceso, compatibilidad, adaptación y condiciones de operación.
Mi lectura es que el avance justifica ensayos industriales acotados con criterios de aceptación acordados con quienes reciben el trabajo. La flexibilidad será valiosa si reduce el esfuerzo de cambiar de tarea sin trasladar más supervisión al personal. Pediría medir precisamente ese intercambio: cuánto cuesta enseñar una variante, cuántas entregas siguen siendo correctas y quién resuelve las excepciones. Esa evidencia permitiría decidir dónde un controlador más capaz se convierte en una herramienta cotidiana.
Fuentes primarias consultadas el 12 de noviembre de 2026. No hemos probado el modelo ni auditado el piloto. Los ejemplos y las propuestas de evaluación son análisis propio.