El nuevo modelo de Google Gemini lleva la IA al dispositivo para la robótica

Google DeepMind presentó el martes un nuevo modelo de lenguaje llamado Gemini Robotics On-Device. La empresa reveló que el modelo puede ejecutar tareas localmente en los robots sin conexión a internet.

El nuevo modelo, que se basa en el modelo anterior de IA Gemini Robotics de la empresa, lanzado en marzo, puede controlar los movimientos de un robot. Google también reconoció que el modelo de visión-lenguaje-acción (VLA) es lo suficientemente pequeño y eficiente como para ejecutarse directamente en un robot. Según la empresa, los desarrolladores pueden controlar y ajustar el modelo para adaptarlo a diversas necesidades utilizando indicaciones en lenguaje natural. 

Robotics On-Device supera a otros modelos de Google

Estamos llevando una IA potente directamente a los robots con Gemini Robotics On-Device. 🤖

Es nuestro primer modelo de visión-lenguaje-acción para ayudar a que los robots sean más rápidos, altamente eficientes y adaptables a nuevas tareas y entornos, sin necesidad de una conexión a internet constante. 🧵 pic.twitter.com/1Y21D3cF5t

— Google DeepMind (@GoogleDeepMind) junio 24, 2025

Carolina Parada, jefa de robótica en Google DeepMind, sostuvo que el modelo original de Gemini Robotics utiliza un enfoque híbrido, lo que le permite operar en el dispositivo y en la nube. Dijo que con el nuevo modelo solo para dispositivos, los usuarios pueden acceder a funciones sin conexión casi tan bien como con el modelo insignia.

La empresa tecnológica afirma que el modelo tiene un rendimiento cercano al del modelo Gemini Robotics basado en la nube en las pruebas de referencia. Google también dijo que supera a otros modos en el dispositivo en las pruebas generales, aunque no nombró esos modelos. 

“El modelo híbrido Gemini Robotics sigue siendo más potente, pero realmente nos sorprende lo fuerte que es este modelo para el dispositivo. Lo consideraría un modelo inicial o un modelo para aplicaciones que simplemente tienen una conectividad deficiente.”

-Carolina Parada, Jefa de Robótica en Google DeepMind.

La empresa ilustró en la demostración robots ejecutando el modelo local, desempaquetando bolsas y doblándolas. Google reconoció que, aunque el modelo fue entrenado para robots ALOHA, luego lo adaptó para funcionar en un robot bi-brazo Franka FR3 y en el robot humanoide Apollo de Apptronik.

La empresa tecnológica afirma que el bi-brazo Franka FR3 tuvo éxito en abordar escenarios y objetos que no había visto antes, como realizar ensamblajes en una cinta industrial. La firma mencionó que los desarrolladores pueden mostrar a los robots de 50 a 100 demostraciones de tareas para entrenarlos en nuevas tareas utilizando los modelos en el simulador de física MuJoCo. 

Google DeepMind también mencionó el lanzamiento de un kit de desarrollo de software llamado Gemini Robotics SDK. La empresa reveló que su Robotics SDK proporciona herramientas de ciclo de vida completo necesarias para utilizar los modelos Gemini Robotics, incluyendo el acceso a puntos de control, el servicio de un modelo, la evaluación del modelo en el robot y en la simulación, la carga de datos y su ajuste fino. La firma reveló que su modelo Gemini Robotics para el dispositivo y su SDK estarán disponibles para un grupo de probadores de confianza mientras Google continúa trabajando para minimizar los riesgos de seguridad.

Las empresas tecnológicas se unen a la carrera de la robótica

Otras empresas que utilizan modelos de IA también están mostrando interés en la robótica. Nvidia está construyendo una plataforma para crear modelos fundamentales para humanoides. El CEO de la firma, Jensen Huang, señaló que construir modelos fundamentales para robots humanoides generales es uno de los problemas más emocionantes de resolver en la IA hoy en día.

Huang argumentó que el factor humanoide es uno de los temas más debatidos en el mundo de la robótica en este momento. Reconoció que está levantando capital de riesgo a raudales mientras genera un enorme escepticismo en el camino. 

Nvidia también ha estado impulsando la innovación robótica a través de iniciativas como Isaac y Jetson. El año pasado en marzo, en su conferencia anual de desarrolladores GTC, la empresa se unió la carrera de los humanoides con el Proyecto GROOT.

Nvidia se refirió a la nueva plataforma como un modelo fundamental de propósito general para robots humanoides. La firma dijo que GROOT también apoyará el nuevo hardware de Nvidia. 

Hugging Face no solo está desarrollando modelos y conjuntos de datos abiertos para la robótica, sino que también está trabajando en robots. La firma reveló a principios de este mes un modelo de OpenAI para robótica llamado SmolVLA. 

La empresa afirma que el modelo está entrenado en conjuntos de datos compartidos por la comunidad y supera a modelos mucho más grandes para la robótica tanto en entornos virtuales como del mundo real. Hugging Face también reveló que SmolVLA tiene como objetivo democratizar el acceso a los modelos de visión-lenguaje-acción (VLA) y acelerar la investigación hacia agentes robóticos generalistas.

El año pasado, la firma lanzó LeRobot, una colección de modelos, conjuntos de datos y herramientas centrados en la robótica. Más recientemente, Hugging Face adquirió Pollen Robotics, una startup de robótica con sede en Francia, y reveló varios sistemas de robótica económicos, incluidos humanoides, para la compra.