Google DeepMind presentó Gemini Robotics 2.5, un modelo de IA que controla robots, y probó que un humanoide con ese sistema clasificó piezas en fábricas de Mercedes-Benz con un 96% de aciertos. La compañía publicó además ASIMOV-Jailbreak, una prueba abierta para medir si un robot puede ser engañado.

El anuncio salió el 10 de noviembre en el blog oficial de DeepMind, firmado por Carolina Parada. Según la empresa, es su modelo más capaz para convertir imágenes e instrucciones en acciones físicas. Por ahora llega solo a sus socios de robótica y no hay acceso para el público.

La prueba se hizo con Apptronik, una empresa de robots humanoides, y Mercedes-Benz. El robot Apollo 2 trabajó en líneas de producción activas en Kecskemét, Hungría, y en Sindelfingen, Alemania.

Su tarea fue el kitting: sacar soportes metálicos de cajones con piezas sueltas y colocarlos en bandejas, en el orden que necesita cada vehículo. Según DeepMind, el robot corrigió por su cuenta los huecos que aparecían. El resultado fue un 96% de éxito, que la empresa describe como una prueba piloto.

Jeff Cardenas, cofundador y director ejecutivo de Apptronik, dijo que los modelos mejoraron mucho en pocas semanas de entrenamiento adicional y que pasaron a la fábrica de Mercedes-Benz con muy poca pérdida de rendimiento.

En laboratorio, DeepMind evaluó el modelo en más de 200 tareas, como servir comida con pinzas, atar un lazo en una caja de regalo o trasladar líquido con una pipeta. Frente a versiones anteriores, informó una tasa de éxito entre 30% y 100% mayor, según la tarea, y una ejecución entre 20% y 30% más rápida.

El sistema funciona con distintos tipos de robots. DeepMind menciona al Apollo 2, con manos de cinco dedos, y a la plataforma Franka Duo, que usa pinzas de dos dedos.

Un jailbreak es una orden redactada para burlar las reglas de un sistema de IA y lograr que haga lo que debería rechazar. En un chatbot, el riesgo es una respuesta indebida. En un robot, es una acción física.

ASIMOV-Jailbreak reúne cientos de órdenes que disfrazan pedidos inseguros en decenas de escenas. DeepMind lo publicó como código abierto, es decir, disponible para que cualquier investigador lo use. El nombre remite al conjunto de pruebas ASIMOV de seguridad para robots que el laboratorio presentó en un estudio de marzo de 2025.

Con esa prueba, Gemini 4 Argon, el modelo de lenguaje de Google que supervisa las decisiones del robot, logró según DeepMind una resistencia del 99,5%. Su base de comparación anterior, Gemini Robotics ER 2, había llegado al 82%. Son cifras de la propia compañía, sin verificación externa.

Gemini Robotics 2.5 incorpora además un método que revisa el razonamiento del robot mientras actúa para esquivar peligros. En las evaluaciones de DeepMind, la finalización segura de tareas aumentó un 33% con obstáculos cerca y un 43% con personas cerca.

DeepMind también usó Gemini 4 Argon para acelerar el desarrollo: el modelo generó miles de simulaciones a partir de una escena real y ayudó a investigar por qué fallaban las tareas. La empresa no informó precios ni una fecha de acceso general para Gemini Robotics 2.5.