Google DeepMind lança Gemini Robotics 2.5 e abre benchmark de segurança robótica

O Google DeepMind publicou nesta terça-feira (10) o Gemini Robotics 2.5, o que a empresa descreve como seu modelo de linguagem-visual-ação (VLA) mais capaz até hoje para controle robótico físico, junto com o benchmark aberto ASIMOV-Jailbreak, criado para medir a robustez de agentes robóticos contra prompts maliciosos. O modelo já está em teste em linhas de montagem reais, com um índice de sucesso de 96% em tarefas de kitting automotivo na Mercedes-Benz.

O que o Gemini Robotics 2.5 traz de novo

Ao contrário do Gemini Robotics 2 (lançado em julho de 2026), o 2.5 foi projetado para lidar com objetos deformáveis, ferramentas e itens frágeis — considerados os maiores obstáculos para a adoção de robôs humanoides em ambientes industriais não estruturados. Nas avaliações do DeepMind, o modelo superou as linhas de base existentes em 30% a 100% dependendo do tipo de tarefa, e completou tarefas 20% a 30% mais rápido.

Os números são impressionantes para tarefas que o Gemini Robotics 2 não conseguia executar de forma alguma: fechar a tampa de uma caixa-ferramentas preta (0% → 93%), empacar doces com pinças (5% → 100%), desatar laços de fita (0% → 70%), pendurar um cardigã (0% → 62%). Mesmo nas tarefas mais complexas, o 2.5 opera com índices de sucesso que vão de 40% a 75%, o que ainda deixa margem para melhorias, mas sinaliza uma mudança de patamar.

O modelo foi avaliado em mais de 200 tarefas distintas, incluindo servir comida com pinças, amarrar laços em caixas de presente e realizar pipetagem de líquidos — tarefas que exigem coordenação fina entre visão, planejamento e ação motora.

Arquitetura dividida: ER + 2.5

Uma inovação arquitetural importante é a separação entre dois modelos: o Gemini Robotics ER (Embodied Reasoning), que cuida do planejamento e do acompanhamento de fluxo de trabalho, e o Gemini Robotics 2.5, que controla as mãos e braços do robô. Essa divisão permite que o sistema rastreie tarefas de longo prazo enquanto executa ações complexas em tempo real.

O DeepMind testou a arquitetura com o robô humanoide Apptronik Apollo 2 (com mão de cinco dedos e 22 graus de liberdade da SharpaWave) e com a plataforma Franka Duo (com garras paralelas de dois dedos). O modelo também funciona nativamente com mais de um tipo de corpo robótico.

No chão de fábrica: Mercedes-Benz e Apptronik

O teste mais concreto aconteceu nas linhas de montagem da Mercedes-Benz em Kecskemét (Hungria) e Sindelfingen (Alemanha), com o Apollo 2 realizando kitting: pegar peças automotivas de baldes desordenados e organizá-las em bandejas sequenciais, na ordem exata necessária para cada veículo da linha. O índice de sucesso foi de 96%.

> «Este é o que constrímos o Apollo para fazer: trabalho útil ao lado das pessoas em ambientes industriais reais. Combinar o Apollo 2 com o Gemini Robotics vimos os modelos melhorarem dramaticamente em apenas algumas semanas de pós-treinamento e transferirem bem para a Mercedes-Benz. Esta é a base para levar robôs humanoides a ambientes industriais e comerciais em escala» — Jeff Cardenas, CEO da Apptronik.

O teste é descrito como prova de conceito, e o DeepMind ainda não divulgou planos de implantação em escala ou datas de lançamento comercial.

Segurança como prioridade

Com robôs operando em ambientes imprevisíveis, o DeepMind focou fortemente em segurança. O Gemini Robotics 2.5 usa raciocínio em tempo de inferência para desviar de perigos físicos em tempo real — um sistema de orientação que funciona de forma similar aos classificadores de segurança adicionados às respostas de LLMs, mas aplicado a ações motoras.

Nas avaliações, a orientação aumentou a conclusão segura de tarefas em 33% ao redor de obstáculos e em 43% ao redor de pessoas. O modelo Gemini 4 Argon lidera as avaliações de segurança do Google para agentes robóticos, com 99,5% de resistência a jailbreaks — uma melhoria significativa sobre os 82% do Gemini Robotics ER 2.

O benchmark ASIMOV-Jailbreak foi lançado no Hugging Face com centenas de prompts que disfarçam solicitações não seguras em dezenas de cenários diferentes, permitindo que a comunidade teste a robustez de seus próprios modelos corporais.

Gemini 4 Argon como motor de simulação

Um aspecto menos divulgado mas potencialmente mais impactante: o Gemini 4 Argon, modelo focado em pesquisa de robótica, está sendo usado como motor de simulação. A partir de cenas reais de câmera, o Argon constrói um gemelo digital e gera milhares de variações de prática simulada. Combinado com demonstrações reais, isso permite que o robô generalize para novas cenas e objetos muito mais rápido.

O Argon também ajuda pesquisadores a hipotetizar por que falhas acontecem a partir de gravações de vídeo e testar melhorias tanto em simulação quanto diretamente em robôs reais.

O que esperar a seguir

O Gemini Robotics 2.5 não está disponível como API pública — o acesso é via parceiros de robótica, entre os quais o DeepMind cita Apptronik, Mercedes-Benz e Agile Robotics. Não há data de lançamento geral, preço ou cronograma público.

A tendência é clara: a linha entre inteligência artificial "digital" e robótica "física" está se dissolvendo. O Google está posicionando o Gemini 4 Argon como o modelo de pesquisa que acelera todo o ciclo de desenvolvimento, desde a simulação até a implantação em robôs reais. E o benchmark aberto ASIMOV-Jailbreak sinaliza uma intenção de construir ecossistema — quanto mais equipes testarem a segurança dos modelos, mais confiáveis eles se tornarão quando saírem dos laboratórios.

A pergunta que fica é se a adoção industrial em larga escala dos robôs humanoides dependerá mais de avanços em destreza motora ou de ganhos em segurança e confiabilidade — e se o mercado amadurecerá antes das tecnologias subjacentes.

---

Fontes: DeepMind Blog (deepmind.google), CellCog (cellcog.ai), Coding is Love (codingislove.com)

Fontes: DeepMind Blog, CellCog, Coding is Love

✓ Fontes independentes cruzadas e verificadas antes da publicação