Gemini se convierte en los ojos y el cerebro de los robots

Google DeepMind ha presentado Gemini Robotics-ER (Embodied Reasoning) 1.6, un modelo diseñado específicamente para tareas robóticas autónomas. La actualización se centra en dos capacidades clave: el Razonamiento Espacial y la Comprensión Multivista, permitiendo que los robots realicen operaciones más precisas y autónomas en entornos del mundo real no estructurados. Las siglas 'ER' corresponden a Razonamiento Encarnado (Embodied Reasoning), una filosofía de diseño que internaliza cómo un agente con cuerpo físico percibe y actúa en el mundo.

Por qué esta actualización es importante

Uno de los desafíos históricos de la robótica es conectar la visión con la acción. Los humanos razonan instintivamente en 3D al recoger un objeto, infiriendo posición, ángulo y distribución del peso, pero los robots convencionales han tenido limitaciones fundamentales para extraer esta información de una sola cámara.

Gemini Robotics-ER 1.6 aborda este problema combinando capacidades de razonamiento a nivel de modelo de lenguaje grande (LLM) con la percepción robótica. El módulo de comprensión multivista fusiona entradas de múltiples ángulos de cámara en un mapa espacial 3D coherente; el motor de razonamiento espacial planifica la siguiente acción sobre ese mapa. Esto va más allá del simple reconocimiento de imágenes: redefine cómo los robots interactúan con su entorno.

Los dominios de aplicación clave incluyen automatización industrial, almacenes logísticos, asistencia médica y robots de servicio doméstico, todos los cuales exigen la manipulación precisa de objetos y la adaptación dinámica al entorno que esta actualización aborda directamente.

¿Qué cambió respecto a versiones anteriores?

En el panorama competitivo, OpenAI está ampliando su inversión en Inteligencia Física, Meta avanza en marcos de aprendizaje robótico de código abierto, y el Optimus de Tesla ejemplifica el impulso hacia la IA encarnada propia. La estrategia de Google DeepMind es diferenciada: construir una capa de razonamiento específica para robots sobre la ya poderosa base multimodal de Gemini.

El hilo histórico: cómo llegamos aquí

La IA Encarnada no surgió de la noche a la mañana. Tras el AlphaGo de DeepMind (2016), los investigadores empezaron a aplicar principios similares al mundo físico.

SayCan y PaLM-E de Google (2022) fueron primeras demostraciones de que los modelos de lenguaje podían usarse para planificación de acciones robóticas. En 2023, el auge de los modelos fundacionales dio lugar a RT-2 (Robotics Transformer 2), que demostró la conversión end-to-end de comandos en lenguaje natural a movimientos robóticos.

Con la familia Gemini en 2024, Google DeepMind integró formalmente el razonamiento multimodal en una línea robótica dedicada. Gemini Robotics-ER se centra específicamente en el razonamiento, y la versión 1.6 continúa ese arco evolutivo.

Después de 2025, el mercado de IA robótica está transitando de la automatización simple a Sistemas Autónomos Adaptativos: de brazos industriales de tareas fijas hacia robots de propósito general que se autodirigen en entornos cambiantes. Gemini Robotics-ER 1.6 emerge como una capa de infraestructura clave que impulsa esa transición.

¿Qué viene a continuación? [Análisis experto]

El lanzamiento de Gemini Robotics-ER 1.6 señala un cambio más amplio en la competencia de IA robótica: del rendimiento en benchmarks hacia la capacidad de despliegue en el mundo real.

Primero, es probable que se intensifique la competencia en integración hardware-software. Google actualmente despliega Gemini Robotics a través de asociaciones con fabricantes de hardware robótico. Las líneas competitivas con actores de integración vertical como Tesla, Physical Intelligence y Boston Dynamics se espera que se definan con mayor claridad.

Segundo, es probable que aumente la presión por inferencia en el dispositivo (on-device). Muchos entornos robóticos del mundo real son intolerantes a la latencia de la nube. El anuncio previo de Google DeepMind de una variante Gemini Robotics On-Device parece ser un movimiento deliberado para anticiparse a esta restricción.

Tercero, es probable que se acelere la estandarización del razonamiento multimodal para interfaces físicas. El razonamiento espacial y la comprensión multivista no son exclusivos de la robótica; la conducción autónoma, los drones y la realidad aumentada comparten las mismas necesidades fundamentales. Quien establezca el estándar aquí podría determinar el panorama del mercado de IA física durante los próximos cinco años.

Gemini Robotics-ER 1.6 es más que una actualización de versión. Marca un hito en la expansión de la IA del mundo digital al físico, y la carrera por definir esa frontera apenas ha comenzado.