Google Cloud libera Gemini Robotics ER 2, mas o modelo não move o robô sozinho

O que mudou desde 27 de outubro

O Google DeepMind apresentou o Gemini Robotics ER 2 em 30 de julho de 2026, já disponível via API Gemini e Google AI Studio, com uma versão em prévia privada na Gemini Enterprise Agent Platform, a plataforma de agentes do Google Cloud. Em 27 de outubro de 2026, essa prévia virou pública: qualquer empresa cliente do Google Cloud passa a encontrar o modelo no Model Garden, sob o identificador gemini-robotics-er-2-preview, pode testá-lo no Agent Studio e depois colocá-lo em produção usando a gestão de permissões e os controles de segurança padrão da nuvem.

O modelo segue como preview, não como versão estável. O antecessor, ER 1.6, está marcado como descontinuado desde 31 de agosto de 2026 na documentação da API Gemini, o que empurra quem construiu em cima dele a migrar.

O que o ER 2 realmente faz (e o que ele não faz)

O Google descreve o ER 2 como um cérebro de alto nível para robôs, que repassa a execução motora para qualquer modelo de visão-linguagem-ação, o chamado VLA, de nível mais baixo. Na prática, quem desenvolve declara como ferramentas os comandos que já tem disponíveis: um VLA próprio, uma API de navegação ou funções internas do sistema.

O fluxo funciona assim:

1. O ER 2 recebe vídeo, áudio ou texto descrevendo a tarefa.
2. Ele quebra a tarefa em etapas e chama as ferramentas declaradas.
3. Ele assiste ao vídeo resultante para julgar se a etapa deu certo.
4. Se falhou, ele refaz só aquela etapa, sem reiniciar a tarefa inteira.

O modelo, construído sobre o Gemini 3.5 Flash segundo sua ficha técnica, só produz texto: nenhuma saída dele vira comando de motor direto. Em julho, a DeepMind usou o ER 2 para pilotar as APIs de navegação e do braço do robô Spot, da Boston Dynamics, buscando objetos sob demanda, um exemplo de como a orquestração funciona quando já existe um corpo de robô pronto para receber ordens.

O modelo que de fato comanda os motores, o Gemini Robotics 2, segue reservado a parceiros em acesso antecipado, conforme o anúncio da DeepMind de 30 de julho. Isso significa que uma fábrica que queira testar o ER 2 precisa chegar com seu próprio modelo de ação: a API do fabricante do robô que já usa, ou um VLA treinado à parte. O ER 2 não substitui esse trabalho, ele só organiza em cima dele.

Números do próprio Google, sem concorrente no comparativo

A DeepMind divulgou métricas de desempenho do ER 2, mas sem publicar protocolo de teste nem comparar com modelos de outras empresas:

Esse último número importa mais do que parece: é dele que depende a capacidade do ER 2 de perceber que uma etapa falhou e refazê-la sem travar o robô. Com 57,4% de acerto, 42,6% das respostas sobre progresso de tarefa ainda saem erradas, e não há como saber se esse número piora ou melhora em tarefas mais longas, porque o Google não publicou o detalhe do teste.

A segurança continua sendo trabalho de quem implanta

A própria documentação da API Gemini para robótica é direta: cabe a quem coloca o robô em operação manter um ambiente seguro ao redor dele. A ficha técnica do modelo exclui explicitamente aplicações críticas de segurança, como saúde ou transporte, em qualquer cenário onde uma falha possa causar morte, lesão ou dano material.

O relatório de segurança da DeepMind, datado de 29 de julho de 2026, mede isso de forma concreta: os melhores modelos testados detectam, numa imagem, a invasão de um limite de um metro ao redor de uma pessoa com precisão de 79% a 93%. Na versão agêntica do teste, os modelos que reduzem para 10% a 15% a taxa de paradas que deveriam ter acontecido e não aconteceram passam a parar o robô sem necessidade em 15% a 25% das vezes.

Nenhum modelo chega perto de zero nas duas pontas ao mesmo tempo. O relatório conclui que, por enquanto, o caminho mais seguro é somar esses modelos a barreiras de segurança determinísticas de baixo nível, decididas fora da IA, e não confiar só no julgamento do modelo sobre distância e risco.

O único uso em produção descrito ainda roda no modelo antigo

O único caso de uso robótico em operação citado nos anúncios é o AIVI-Learning, módulo de inspeção visual da Boston Dynamics para o robô Spot. Ele passou a usar o ER 1.6 em 8 de abril de 2026, para clientes inscritos: leitura de medidores e mostradores, nível de indicadores de líquido, avarias em esteiras, poças e detritos no chão, contagem de paletes. O compartilhamento de dados com a Boston Dynamics é obrigatório para usar o recurso.

No post de 27 de outubro, Marco da Silva, que lidera o negócio de Spot na empresa, descreveu o ganho esperado do ER 2 sobre essa base:

O vídeo muda o que uma inspeção pode ser.

La vidéo change ce que peut être une inspection.Marco da Silva, chefe do negócio Spot na Boston Dynamics

Mas nenhum cronograma de migração do ER 1.6 para o ER 2 foi publicado, o que deixa em aberto quando (ou se) esses clientes de inspeção industrial vão de fato sentir a diferença.

Outro exemplo citado é o da DeepReach, cujo cofundador Chris Liu usa o ER 2 para triar gravações de gestos de profissionais qualificados, dados usados depois para treinar modelos de IA física. É um uso que não move robô nenhum em tempo real: usa o ER 2 como etapa de preparo de dataset.

Um exemplo que mostra o apelo real do modelo

No instituto singapurense A*STAR IMRE, que desenvolve novos materiais, o professor Loh Xian Jun, diretor executivo, descreveu no próprio post do Google Cloud o tipo de tarefa que espera automatizar com robôs guiados pelo ER 2:

Ler a tela sensível ao toque de um reator de micro-ondas antigo sem API, equilibrar e carregar uma centrífuga, ou mover amostras com segurança num laboratório muito movimentado.

lire l'écran tactile d'un ancien réacteur à micro-ondes dépourvu d'API, équilibrer et charger une centrifugeuse, ou déplacer des échantillons en sécurité dans un laboratoire très fréquentéLoh Xian Jun, diretor executivo do A*STAR IMRE

É um retrato útil do nicho que o Google mira: equipamento de laboratório sem API própria, onde um robô precisa "ler" uma interface pensada para humano. É justamente aí que o raciocínio de alto nível do ER 2, interpretar vídeo e decidir o próximo passo, tem mais valor do que em uma linha de montagem já cheia de sensores e APIs.

Testar em simulação antes de ligar em robô de verdade

O Google Cloud recomenda montar o teste primeiro em simulação, usando MuJoCo-Warp ou o NVIDIA Isaac Sim, e só depois levar o cálculo de mapeamento e trajetória para o ambiente local via Google Distributed Cloud. No mesmo 27 de outubro, a DeepMind apresentou o Genie 4, um modelo de mundo para gerar ambientes de treino de robôs e agentes, mas ele só está aberto a testadores de confiança selecionados, não para clientes em geral.

Para quem quer só começar a experimentar sem infraestrutura de robô nenhuma, dá para rodar o ER 2 no Agent Studio com imagens ou vídeos próprios, sem precisar de hardware físico conectado.

Preço: US$ 1 por milhão de tokens até dezembro, depois dobra ou mais

Até 31 de dezembro de 2026, a tabela do Google Cloud cobra US$ 1 por milhão de tokens de entrada (texto, imagem, vídeo ou áudio) e US$ 5 por milhão de tokens de saída, incluindo o raciocínio do modelo. Isso não é um desconto direto na fatura: o Google devolve em créditos 50% do valor líquido gasto, sem informar na página quando esses créditos caem nem por quanto tempo valem.

A partir de 1º de janeiro de 2027, a promoção acaba e a tabela passa a US$ 2 de entrada e US$ 10 de saída, o dobro do preço atual. Quem for orçar um projeto de robótica com o ER 2 para o ano que vem precisa considerar esse salto, e não só o preço promocional de lançamento.

O que fica em aberto para quem está no Brasil

Nem o anúncio da DeepMind nem o do Google Cloud mencionam restrição de região para o gemini-robotics-er-2-preview no Model Garden, mas também não confirmam disponibilidade na região de São Paulo da nuvem. Quem for avaliar o modelo por aqui vai precisar checar isso diretamente no console do Google Cloud antes de desenhar a arquitetura, inclusive porque o fluxo de testes em simulação com Google Distributed Cloud pressupõe infraestrutura local definida.

O resto do pacote segue claro: o ER 2 planeja e verifica, não executa; a segurança do robô continua sendo trabalho de quem implanta, com barreiras determinísticas por fora do modelo; e o preço promocional tem data para acabar. Para quem já tem um VLA rodando e só precisa de uma camada de planejamento em cima, dá para testar agora. Para quem não tem esse modelo de ação, o ER 2 sozinho não tira um robô do lugar.

Fonte: ActuIA