O numero que importa e 22: os graus de liberdade da mao SharpaWave de cinco dedos que o novo modelo de robotica do Google ja consegue acionar num corpo humanoide completo. Em dois textos publicados no dia 30 de julho, o Google DeepMind apresentou o Gemini Robotics 2, seu primeiro modelo visao-linguagem-acao que controla um humanoide inteiro, 'dos pes as pontas dos dedos' nas suas palavras, onde as versoes anteriores se limitavam a tarefas de mesa com a parte superior do corpo. Demonstrado no Apollo 2 da Apptronik, o robo caminha ate uma mesa, pega um regador, carrega pela sala e o coloca numa prateleira, depois amarra nos e fecha um saco ziplock com a mao articulada; uma plataforma Franka Duo faz empacotamento compacto com garras de dois dedos.
O segundo modelo e o que os desenvolvedores realmente podem tocar. O Gemini Robotics ER 2 e o cerebro de planejamento: encadeia tarefas de varias etapas que duram minutos e envolvem o que o Google chama de centenas de decisoes, corrige sozinho as etapas falhas, chama nativamente ferramentas como o Google Search e se conecta a API Gemini Live para streaming bidirecional. Esta disponivel publicamente a partir de hoje pela API do Gemini e pelo Google AI Studio, com uma previa privada na Gemini Enterprise Agent Platform. As avaliacoes do proprio Google alegam 57,4% de precisao na classificacao de progresso, 91,3% na localizacao de momentos com 0,96 segundo de distancia absoluta media, a quatro vezes a velocidade de execucao de modelos bem maiores, e ele le instrumentos de 10 tipos, de mostradores digitais a termometros de liquido.
Um terceiro modelo, o Gemini Robotics On-Device 2, roda localmente e se adapta ao que o Google chama de corpos de robo completamente novos em poucas horas, tipicamente com menos de 200 exemplos, demonstrado no hardware da Dexmate, SO101 e Trossen. As demos multi-robo emparelham o Apollo 2 com um Franka F3 Duo, e outra mostra o ER 2 orquestrando as APIs do Spot da Boston Dynamics para buscar um lanche por comando de voz, com o codigo no GitHub. Os parceiros nomeados sao Apptronik, Boston Dynamics e Agile Robots. Na seguranca, o Google publicou um novo benchmark ASIMOV-Agentic para chamadas de ferramentas inseguras e pedido de intervencao humana, e diz que o ER 2 para um humanoide quando uma pessoa se aproxima e retoma quando o caminho esta livre.
As ressalvas sao estruturais. Cada benchmark citado acima e uma avaliacao feita pelo Google, e as demonstracoes mostradas aos jornalistas, incluindo a WIRED, foram videos pre-gravados, nao execucoes ao vivo. A divisao de disponibilidade tambem reduz o anuncio ao tamanho real: dos tres modelos, so o ER 2 esta acessivel ao publico, enquanto Robotics 2 e On-Device 2 seguem limitados a parceiros de acesso antecipado. Carolina Parada, chefe de robotica do DeepMind, apresenta o lancamento como um marco rumo a 'AGI fisica'. A leitura mais discreta e mais util para quem constroi: o controle de robos esta virando uma linha da mesma fatura de API que a geracao de texto, e a pergunta em aberto desliza de 'o modelo consegue mover o braco' para 'quem tem permissao para executa-lo, e sob qual dossie de seguranca'.