
Google DeepMind ha presentato Gemini Robotics ER 2, un modello di intelligenza artificiale progettato per agire come strato decisionale superiore per i sistemi robotici. A differenza dei modelli tradizionali legati a un singolo prototipo o a un solo tipo di movimento, ER 2 segna una svolta nell’AI fisica (physical AI): permette a macchine di natura completamente diversa di comprendere lo stesso ambiente e collaborare in tempo reale per completare compiti complessi.
Il direttore d’orchestra, non il braccio meccatronico
La vera innovazione di Gemini Robotics ER 2 sta nella separazione tra il ragionamento di alto livello e il controllo motorio:
- ER 2 (Embodied Reasoning): Basato sull’architettura Gemini 3.5 Flash, analizza flussi continui di dati da sensori, telecamere e audio. Interpreta i comandi in linguaggio naturale, decodifica l’ambiente circostante, pianifica sequenze di compiti che durano diversi minuti e decide quali azioni intraprendere.
- Modelli VLA (Vision-Language-Action) e controller motori: I sistemi sottostanti ricevono le istruzioni da ER 2 e le traducono nel movimento fisico di ruote, pinze o giunti meccanici.
Questo approccio disaccoppiato significa che Google non punta a costruire hardware proprietario, ma ad alimentare il “cervello” centrale dei robot prodotti dalle aziende hardware di tutto il mondo, come Boston Dynamics, Apptronik o Franka Robotics.
Come funziona la collaborazione multi-robot
Fino ad oggi, i robot industriali lavoravano in silos: ogni unità conosceva soltanto la propria traiettoria e la propria funzione. Gemini Robotics ER 2 introduce un quadro semantico condiviso.
[ Gemini Robotics ER 2 ]
(Pianificazione e flusso video continuo)
│
┌──────────────────┴──────────────────┐
▼ ▼
[ Umanoide (es. Apollo 2) ] [ Quadruped/Mobile (es. Spot) ]
Manipolazione e trasporto Ispezione e mappatura
- Comprensione comune: Un robot quadrupedale con funzioni di mappatura (come Spot) e un robot umanoide da manipolazione (come Apollo 2) condividono la stessa rappresentazione visivo-spaziale dell’ambiente.
- Divisione automatica dei compiti: Ricevuto un obiettivo generico (es. “Liberate e pulite il magazzino C”), ER 2 scompone il piano. Può assegnare al quadruped l’ispezione visiva dei quadranti e all’umanoide lo spostamento manuale dei carichi più ingombranti.
- Sincronizzazione tramite flussi video continui: Superando la modalità a scatti dei modelli precedenti, ER 2 elabora flussi video in tempo reale senza pause. Se una fase incontra un intoppo o non va a buon fine, il modello ricalibra le decisioni del team senza dover resettare l’intero processo.
Le novità tecniche chiave
| Caratteristica | Gemini Robotics ER 1.6 (Precedente) | Gemini Robotics ER 2 (Nuovo) |
|---|---|---|
| Input Visivo | Analisi per fotogrammi statici | Flusso video live continuo |
| Finestra di Contesto | Limitata a singoli passaggi brevi | 128.000 token (pianificazione su più minuti) |
| Coordinamento | Singola unità / singolo braccio | Collaborazione multi-robot in parallelo |
| Verifica del Task | Controllo manuale o stop-and-go | Classificazione live dello stato di avanzamento |
Valutazione del progresso: Grazie al modello visivo in tempo reale, ER 2 è in grado di tracciare l’avanzamento di un’operazione per bande percentuali (0-20%, 80-100%) e individuare il momento esatto in cui arrestare un’azione (come l’istante preciso in cui un contenitore è stato riempito).
Le implicazioni per l’industria
Mettendo il modello a disposizione degli sviluppatori tramite Gemini API e Google AI Studio, Google mira a creare lo standard di riferimento per la gestione delle flotte robotiche.
In centri logistici, fabbriche e scenari di soccorso, team misti composti da robot su ruote, droni e automi umanoidi potranno condividere la stessa intelligenza per svolgere mansioni finora precluse all’automazione rigida, segnando un passo concreto verso l’orizzonte dell’autonomia collettiva delle macchine.




