Qué cambia con la 'inteligencia corporal completa'
Google DeepMind presentó el 30 de julio de 2026 dos modelos que buscan resolver un problema distinto al de los chatbots: hacer que un robot físico perciba su entorno, razone sobre una tarea y ejecute movimientos coordinados con todo el cuerpo, no solo con un brazo o una pinza aislada. La compañía llama a esto 'whole body intelligence', un concepto que en la práctica significa que el modelo decide y controla el movimiento conjunto de extremidades, torso y manipuladores en lugar de tratar cada parte como un sistema separado.
Gemini Robotics ER 2 es la pieza de razonamiento encarnado ('embodied reasoning'): el módulo que interpreta una escena y planifica qué hacer. Gemini Robotics On-Device 2 es la pieza de ejecución, diseñada para funcionar sin conexión a internet directamente en el hardware del robot, lo que resulta crítico en entornos donde la latencia de la nube es inaceptable o donde no hay conectividad garantizada.
Ver los datos en tabla
| Concepto | % |
|---|---|
| éxito al desenroscar un foco | 92 |
| precisión en clasificación de progreso de ER 2 | 57,4 |
| precisión en detección de momentos de ER 2 | 91,3 |
Fuente: Google DeepMind
Disponibilidad desigual: uno ya se puede usar, el otro no
El anuncio distingue dos velocidades de acceso. ER 2 está disponible desde ya para desarrolladores de todo el mundo a través de la API de Gemini y de Google AI Studio, lo que permite a cualquier equipo empezar a integrarlo en sus propios sistemas de percepción y planificación sin esperar autorización previa.
Los modelos de movimiento físico y control corporal, en cambio, permanecen en acceso anticipado con lista de espera. Esta separación es relevante: la parte que razona sobre el mundo se abre de forma amplia, mientras que la parte que mueve el robot —la que puede causar daño físico si falla— se mantiene bajo control más estricto de Google. Es una secuencia lógica desde el punto de vista de seguridad, pero también implica que la promesa completa de 'inteligencia corporal' todavía no es comprable ni desplegable por cualquiera.
Los números de rendimiento vienen de la propia Google
Las cifras de éxito en tareas de manipulación —92% al desenroscar un foco con la mano Sharpa, 36% al atornillarlo, 44% al atar una bolsa de basura, 76,3% al levantar un objeto de una repisa con el robot Apollo 2— proceden de pruebas realizadas y reportadas por la propia Google DeepMind, sin verificación independiente. La dispersión entre tareas es amplia: de más del 90% en unos casos a menos del 40% en otros, lo que sugiere que el sistema todavía es sensible al tipo de manipulación exigida.
Los datos que sí figuran en el comunicado oficial verificable son otros: 57,4% de precisión en clasificación de progreso de una tarea y 91,3% en detección de momentos clave, con una distancia absoluta media de 0,96 segundos respecto al instante real. Google también afirma que ER 2 opera con una latencia cuatro veces menor que su referencia de comparación, por debajo de un segundo, umbral que la compañía presenta como necesario para operar robots físicos con seguridad.
Apptronik y el dinero que no es del anuncio
La única cifra económica que aparece alrededor de este lanzamiento no pertenece al propio anuncio de producto: es la ronda de financiación de 350 millones de dólares cerrada por Apptronik, socio de Google DeepMind en robots humanoides, en la que Google participó como inversor. No hay ningún dato financiero directo asociado a ER 2 u On-Device 2 —ni precio, ni ingresos, ni valoración—, porque se trata de un lanzamiento de capacidades técnicas, no de una operación corporativa.
Esa financiación de Apptronik funciona como indicador indirecto: muestra que Google está dispuesto a respaldar económicamente al menos a uno de los fabricantes de hardware que usará estos modelos, lo que ata parte del futuro comercial de Gemini Robotics al éxito de sus socios de manipuladores físicos, no solo al del software.