Google lança Gemini Robotics 2.5, modelo que dá destreza humana a robôs

A Google DeepMind apresentou o Gemini Robotics 2.5, testado em mais de 200 tarefas e usado por um robô humanoide em linhas de produção da Mercedes-Benz com 96% de acerto.

Um modelo que liga visão, linguagem e ação

A Google DeepMind anunciou em 10 de novembro de 2026 o Gemini Robotics 2.5, descrito pela empresa como seu modelo VLA (vision-language-action, ou visão-linguagem-ação) mais capaz até agora. Um modelo VLA é treinado para fazer três coisas ao mesmo tempo: enxergar uma cena através de câmeras, entender um comando em linguagem natural e traduzir isso em movimentos físicos de braços, mãos ou garras.

O modelo é a quarta geração pública da linha, que começou em março de 2025 com o Gemini Robotics original, passou pelo Gemini Robotics 1.5 em setembro de 2025 e pelo Gemini Robotics 2 (com "inteligência de corpo inteiro") em julho de 2026. A DeepMind credita boa parte do avanço ao Gemini 4 Argon, que passou a funcionar como motor de pesquisa em robótica, e que é o ponto mais relevante deste lançamento para quem constrói sistemas, não só para quem opera robôs.

Na fábrica da Mercedes-Benz, 96% de acerto

O teste de prova de conceito mais concreto divulgado pela DeepMind aconteceu em linhas de produção ativas da Mercedes-Benz em Kecskemét, na Hungria, e Sindelfingen, na Alemanha. Ali, o robô humanoide Apollo 2, da parceira Apptronik, usou o Gemini Robotics 2.5 para executar sozinho o chamado kitting automotivo: separar peças soltas de caixas a granel e organizá-las em bandejas, na ordem exata exigida para cada veículo da linha.

Segundo a DeepMind, o robô alcançou 96% de taxa de sucesso nessa tarefa repetitiva, usando o modelo de raciocínio incorporado Gemini Robotics ER para acompanhar o fluxo de trabalho e o modelo de ações do Gemini Robotics 2.5 para controlar mãos e braços, inclusive corrigindo falhas no meio do processo. Jeff Cardenas, CEO da Apptronik, descreveu o resultado como prova de que o ganho em laboratório se sustenta em produção real:

Foi para isso que construímos o Apollo: trabalho útil ao lado de pessoas em ambientes industriais reais. Ao parear o Apollo 2 com o Gemini Robotics, vimos os modelos melhorarem drasticamente em poucas semanas de pós-treinamento, com uma transição para a produção da Mercedes-Benz com pouquíssima perda de desempenho. Essa é a base para levar robôs humanoides a ambientes industriais e comerciais em escala.

This is what we built Apollo for: useful work alongside people in real industrial settings. Pairing Apollo 2 with Gemini Robotics, we saw the models improve dramatically in just a few weeks of post-training and carry over to Mercedes-Benz production with very little drop-off. This is the foundation for bringing humanoid robots to industrial and commercial environments at scale.Jeff Cardenas, cofundador e CEO da Apptronik

Para quem avalia automação industrial no Brasil, o dado relevante não é só o percentual: é o fato de o ganho ter sido mantido da simulação e do pós-treinamento até a esteira real, com "pouquíssima perda", nas palavras de Cardenas.

Os números por trás da dexteridade

A DeepMind avaliou o Gemini Robotics 2.5 em mais de 200 tarefas distintas, entre elas servir comida com pinças, amarrar um laço em uma caixa de presente e pipetar líquido, tarefas escolhidas por combinarem uso de ferramentas, manipulação de objetos deformáveis e manuseio delicado.

Comparado às versões anteriores do modelo, os ganhos reportados são:

• Taxa de sucesso de 30% a 100% maior, variando conforme o tipo de tarefa
• Conclusão de tarefas de 20% a 30% mais rápida
• Funcionamento nativo em diferentes corpos de robô, sem retrabalho de modelo por hardware

Esse último ponto é o que interessa a quem integra robótica a sistemas de software: o mesmo modelo roda tanto no Apollo 2, humanoide de cinco dedos com 22 graus de liberdade por mão (a quantidade de eixos de movimento independentes que a mão consegue executar), quanto na plataforma Franka Duo, que usa garras paralelas de dois dedos. Isso indica que o Gemini Robotics 2.5 foi treinado para generalizar entre tipos de atuador, e não amarrado a um esquema de controle específico de um fabricante.

Como o modelo aprende: o Gemini 4 Argon como motor de simulação

A parte mais relevante do anúncio para quem trabalha com pipelines de dados e machine learning é o papel do Gemini 4 Argon no desenvolvimento do Gemini Robotics 2.5. Segundo a DeepMind, treinar um robô para generalizar em ambientes reais exige um volume de dados físicos que é caro e lento de coletar manualmente, e o Argon foi usado para destravar esse gargalo atuando como mecanismo de simulação.

Na prática, o Argon consegue gerar milhares de execuções simuladas variadas a partir de uma única cena filmada por câmera real, construindo o que a DeepMind chama de gêmeo digital (digital twin): uma réplica simulada do ambiente físico que serve de ambiente de treino sintético. Combinado a demonstrações reais, isso acelera a generalização do robô para cenas e objetos novos sem precisar regravar tudo manualmente.

O Argon também é usado depois do treino, para investigar por que uma tarefa falhou a partir de gravações em vídeo e testar hipóteses de correção, tanto em simulação quanto diretamente em robôs reais, antes de qualquer mudança ir para produção. Para quem constrói sistemas de avaliação de modelos, esse ciclo (gerar dado sintético, treinar, diagnosticar falha em vídeo, testar correção, validar no mundo real) é o tipo de infraestrutura que normalmente fica invisível em anúncios de produto, mas é o que determina se um modelo físico escala ou fica preso ao laboratório.

Segurança física e um benchmark aberto

A DeepMind também reforçou a camada de segurança do modelo com uma técnica chamada orientação de raciocínio em tempo de inferência, que direciona o robô para desviar de riscos físicos durante a execução, de forma parecida com os classificadores de segurança que já filtram respostas de texto do Gemini. Segundo a empresa, essa camada aumentou a conclusão segura de tarefas em 33% perto de obstáculos e em 43% perto de pessoas.

Para testar resistência a jailbreak (tentativas de burlar as proteções do modelo com pedidos disfarçados), a DeepMind lançou o ASIMOV-Jailbreak, um benchmark de código aberto com centenas de prompts que escondem pedidos inseguros em dezenas de cenários diferentes. O Gemini 4 Argon, usado como base de raciocínio agentic do sistema, atingiu 99,5% de resistência a jailbreak nesse teste, contra 82% do modelo anterior, o Gemini Robotics ER 2.

O fato de o ASIMOV-Jailbreak ser aberto é o que separa esse anúncio de um simples número de marketing: qualquer equipe que desenvolva ou avalie agentes de robótica pode rodar o mesmo conjunto de prompts contra seus próprios sistemas, em vez de confiar só no número divulgado pela DeepMind.

Quem consegue usar o modelo hoje

Apesar do anúncio público, o Gemini Robotics 2.5 não está disponível como API aberta para qualquer desenvolvedor testar agora: a DeepMind descreve o lançamento como um rollout para "parceiros de robótica". Isso significa que, por enquanto, o caminho prático para testar o modelo passa por integrações formais com a Google DeepMind, não por uma chave de API de autoatendimento.

O que fica acessível desde já para quem constrói fora desse círculo de parceiros é o benchmark ASIMOV-Jailbreak, de código aberto, útil para quem já trabalha com agentes físicos ou simulação e quer um critério externo de segurança. O restante, incluindo o acesso ao próprio Gemini Robotics 2.5 e ao Gemini 4 Argon aplicado à robótica, segue como peça de um ecossistema fechado, o que deve pesar na decisão de empresas brasileiras de automação que avaliam integrar o modelo a linhas próprias nos próximos meses.

Fonte: Google DeepMind Blog