Google coloca o Gemini em robôs humanoides e mostra como será a próxima geração da robótica

Gemeni do Google agora pode andar por aí como um robô humanoide

A inteligência artificial está começando a sair das telas e ganhar braços, pernas e capacidade de agir no mundo físico. O Google DeepMind deu mais um passo nessa direção com o Gemini Robotics ER 2, um modelo criado para ajudar robôs a entender o ambiente, planejar tarefas e tomar decisões enquanto executam ações.

A ideia vai muito além de programar um robô para repetir movimentos. O Gemini Robotics ER 2 funciona como uma camada de raciocínio de alto nível. Ele recebe informações do ambiente, interpreta o que está acontecendo, planeja os próximos passos e acompanha a execução para verificar se a tarefa está sendo realizada corretamente.

É como trocar um robô que segue uma receita fixa por um que é capaz de olhar para a situação, entender o que precisa ser feito e decidir qual será o próximo passo.

Esse avanço aproxima a inteligência artificial da robótica de uso prático e abre espaço para máquinas mais adaptáveis, capazes de trabalhar em ambientes que não foram completamente preparados para elas.

O que é o Gemini Robotics ER 2?

Na prática, o modelo pode interpretar imagens, vídeos e instruções para ajudar a determinar como uma tarefa deve ser executada. Ele também pode trabalhar em conjunto com modelos de visão, linguagem e ação, conhecidos como VLA, que transformam esse planejamento em movimentos físicos.

O Gemini Robotics ER 2 foi desenvolvido pelo Google DeepMind para atuar como um sistema de raciocínio para robôs. ER significa “Embodied Reasoning”, ou raciocínio incorporado.

Essa divisão é importante. O Gemini não precisa controlar diretamente cada motor ou articulação do robô. Ele pode funcionar como uma espécie de cérebro de alto nível, enquanto outros sistemas cuidam da execução física.

Isso permite que a mesma tecnologia seja usada com diferentes plataformas robóticas. O Google demonstra, por exemplo, o uso do modelo com o Spot, robô quadrúpede da Boston Dynamics, que pode receber instruções em linguagem natural e utilizar sua capacidade de percepção para realizar tarefas. 

O robô consegue acompanhar o próprio trabalho

Uma das características mais interessantes do Gemini Robotics ER 2 é a capacidade de acompanhar uma tarefa enquanto ela está acontecendo.

Em vez de simplesmente iniciar uma sequência de movimentos e assumir que tudo deu certo, o sistema pode analisar continuamente o que está acontecendo por meio de vídeo. Isso permite verificar o progresso, identificar determinados eventos e ajustar a execução quando necessário.

Imagine um robô recebendo a tarefa de colocar um objeto em uma prateleira. Se o objeto cair ou ficar fora da posição esperada, um sistema rígido poderia simplesmente continuar executando os próximos comandos. Um sistema capaz de raciocinar sobre o ambiente pode perceber que algo saiu do planejado e adaptar a ação.

Nos testes apresentados pelo Google, o Gemini Robotics ER 2 conseguiu identificar o momento em que determinados eventos acontecem com 91,3% de precisão, com uma diferença média de 0,96 segundo em relação ao momento correto.

Essa capacidade de acompanhar o que está acontecendo é especialmente útil em robótica porque o mundo físico não fica parado esperando o computador terminar de pensar.

Robôs diferentes podem trabalhar juntos

Outro ponto que chama atenção é a capacidade de coordenar diferentes tipos de robôs.

Uma máquina com rodas pode ser boa para transportar objetos e circular rapidamente por determinados espaços. Um robô humanoide pode ter vantagens quando precisa lidar com objetos, ferramentas e ambientes projetados para pessoas. Um robô quadrúpede pode ser mais adequado para terrenos ou locais onde outros modelos teriam dificuldades.

Em vez de exigir que todos tenham exatamente as mesmas características, o Gemini pode ajudar a coordenar essas máquinas para trabalhar em conjunto.

O conceito é interessante porque algumas tarefas são grandes demais ou complexas demais para um único robô. Com diferentes plataformas compartilhando informações e dividindo atividades, cada máquina pode cuidar da parte que faz melhor.

Isso aproxima a robótica de um modelo de trabalho em equipe, no qual várias máquinas colaboram para atingir o mesmo objetivo.

Gemini também chega aos robôs humanoides

É aqui que a tecnologia fica ainda mais interessante para quem acompanha o avanço dos robôs humanoides. O Gemini Robotics pode ser utilizado para controlar diferentes tipos de robôs, incluindo humanoides capazes de executar tarefas semelhantes às realizadas por pessoas.

Entre as demonstrações estão atividades como organizar objetos em prateleiras, amarrar sacos e trocar lâmpadas. A combinação de visão, linguagem, raciocínio e ação permite que o robô receba informações sobre uma tarefa e transforme esse entendimento em movimentos físicos.

Isso muda bastante a forma como podemos imaginar a programação de robôs.

Em vez de determinar cada movimento individualmente, o objetivo pode ser descrito em linguagem natural. A inteligência artificial então ajuda a definir uma sequência de ações para chegar ao resultado.

Ainda existe uma grande diferença entre isso e simplesmente conversar com um chatbot. Aqui, a resposta precisa funcionar no mundo real. O objeto precisa ser realmente agarrado, a lâmpada precisa ser realmente trocada e o robô precisa entender se aquilo deu certo.

Ainda não é uma inteligência artificial que sabe fazer qualquer coisa

É fácil olhar para essas demonstrações e imaginar que os robôs já aprenderam a fazer qualquer tarefa sozinhos, mas ainda não chegamos lá.

O sistema continua dependendo de treinamento específico e o desenvolvimento envolve teleoperação humana, vídeos e simulações. Ou seja, existe uma quantidade significativa de preparação para ensinar os robôs a executar determinadas atividades. Isso coloca as demonstrações no contexto correto.

O Gemini Robotics ER 2 consegue interpretar situações, raciocinar sobre tarefas e adaptar sua execução. Isso representa um avanço importante, mas não significa que qualquer robô equipado com Gemini consiga chegar a um ambiente desconhecido e aprender imediatamente qualquer atividade humana.

A robótica ainda precisa lidar com obstáculos físicos, segurança, precisão, velocidade, treinamento e confiabilidade.

A diferença é que a inteligência artificial começa a oferecer uma camada de raciocínio mais flexível para enfrentar esses problemas.

Segurança precisa acompanhar a inteligência

Quando uma IA responde errado em uma tela, o problema pode ser uma informação incorreta. Quando ela controla uma máquina que pesa dezenas de quilos e se movimenta perto de pessoas, a situação muda completamente.

Por isso, a segurança aparece como parte importante do desenvolvimento do Gemini Robotics.

O Google apresenta mecanismos para que o sistema interrompa determinadas ações quando detecta uma pessoa próxima. Em um dos exemplos, o robô para quando alguém entra em sua área de operação e retoma o trabalho quando a situação permite.

Também foi apresentado um benchmark criado para avaliar a segurança de sistemas de inteligência artificial usados na robótica. A proposta é testar se determinadas instruções podem resultar em comportamentos perigosos ou situações de risco.

Esse tipo de avaliação será cada vez mais necessário conforme os robôs deixarem ambientes controlados e começarem a trabalhar perto de pessoas.

O que essa tecnologia pode mudar?

Para quem não trabalha diretam
ente com robótica, pode parecer que tudo isso está distante da realidade. Mas a tecnologia apresentada pelo Google aponta para mudanças que podem chegar a diferentes setores.

Imagine uma fábrica onde um robô recebe uma instrução sobre uma tarefa e consegue adaptar seus movimentos conforme encontra objetos em posições diferentes.

Pense também em sistemas de logística nos quais vários robôs trabalham juntos para transportar, organizar e localizar produtos. Ou em máquinas capazes de realizar inspeções, manutenção e outras atividades em locais perigosos para seres humanos.

Em ambientes domésticos, a ideia também é fácil de visualizar, embora esse tipo de aplicação ainda tenha desafios muito maiores. Um robô poderia receber uma instrução como “organize os objetos da mesa” e precisar identificar o que são os objetos, decidir onde colocá-los e executar a tarefa sem quebrar nada.

Esse é justamente o tipo de problema que diferencia uma máquina programada para repetir movimentos de uma máquina que precisa compreender o contexto.

Para desenvolvedores e empresas, a mudança pode ser ainda mais relevante. O Google já disponibiliza o Gemini Robotics ER 2 por meio da Gemini API e do Google AI Studio, permitindo que desenvolvedores experimentem a tecnologia e criem aplicações próprias

Isso significa que a tecnologia não está apenas sendo apresentada em vídeos de laboratório. Existe uma plataforma disponível para quem quiser começar a testar suas possibilidades.

Conclusão

O Gemini Robotics ER 2 mostra uma mudança importante na relação entre inteligência artificial e robótica. Em vez de máquinas limitadas a sequências rígidas de movimentos, estamos começando a trabalhar com sistemas capazes de interpretar o ambiente, planejar tarefas, acompanhar resultados e adaptar suas ações.

Ainda não temos robôs humanoides capazes de aprender qualquer atividade como uma pessoa. O treinamento específico continua sendo necessário e existem desafios importantes de segurança, precisão e confiabilidade.

Mesmo assim, a direção é clara. A inteligência artificial está deixando de ser apenas uma ferramenta que responde perguntas e começa a ganhar capacidade de interagir diretamente com o mundo físico.

O mais interessante é que essa tecnologia já pode ser explorada por desenvolvedores por meio das ferramentas disponibilizadas pelo Google. Para quem trabalha com software, automação ou robótica, este é um bom momento para começar a entender como esses modelos funcionam e quais aplicações podem ser construídas com eles.

Se você acompanha inteligência artificial e robótica, compartilhe este artigo com outras pessoas que também gostam de tecnologia. E deixe um comentário contando qual tarefa você gostaria de entregar para um robô controlado por uma IA como o Gemini