I modelli Google Gemini Robotics stanno rendendo i robot più intelligenti

Per decenni, i robot hanno simboleggiato il futuro, comparendo nei laboratori di ricerca, nei film di fantascienza e nelle presentazioni di prototipi industriali. Ora, grazie ai recenti progressi dell’intelligenza artificiale (AI), questi prototipi stanno uscendo dagli ambienti controllati per passare alle applicazioni del mondo reale.

In particolare, con Gemini Robotics, Google si avvicina sempre più alla tecnologia necessaria per costruire robot più intelligenti. Presentati il 12 marzo 2025, il modello Gemini Robotics e il modello complementare Gemini Robotics-ER (ragionamento incarnato) sono le ultime innovazioni di Google DeepMind.

Si basano su Gemini 2.0, un modello linguistico di grandi dimensioni multimodale (LLM) in grado di elaborare e generare diversi tipi di dati, tra cui testo, immagini, audio e video, favorendo interazioni più versatili e naturali. Questi modelli portano le capacità multimodali di Gemini 2.0 nel mondo fisico, consentendo di realizzare robot più agili, interattivi e intelligenti.

Per esempio, a differenza dei robot tradizionali che seguono istruzioni fisse, i robot integrati con i modelli Gemini Robotics possono elaborare informazioni visive e linguistiche. Questo consente loro di prendere decisioni in tempo reale e adattarsi ai cambiamenti dell'ambiente.

In questo articolo esploreremo Gemini Robotics e Gemini Robotics-ER, il funzionamento di questi modelli e le loro principali funzionalità e applicazioni.

Fig. 1. Gemini Robotics aiuta i robot a svolgere più attività in modo efficiente.

Presentazione di Google Gemini Robotics#

Gemini Robotics di Google è un modello AI avanzato, progettato per consentire ai robot di percepire, ragionare e interagire nel mondo fisico. Essendo un modello visione-linguaggio-azione (VLA), permette ai robot di elaborare istruzioni, interpretare l’ambiente circostante ed eseguire attività complesse con grande precisione.

Il modello Gemini Robotics-ER, invece, migliora la capacità dei robot di comprendere le relazioni spaziali: dove si trovano gli oggetti, come si muovono e come interagiscono. Questo aiuta i robot ad anticipare le azioni e ad adeguare di conseguenza i propri movimenti.

Per esempio, considera un'attività in cui un robot deve avvolgere un filo attorno a un paio di cuffie. Gemini Robotics-ER lo aiuta a comprendere la scena, riconoscere la forma e la flessibilità del filo, identificare la struttura delle cuffie e prevedere come si piegherà il filo mentre si muove. Gemini Robotics traduce poi questa comprensione in azioni, coordinando entrambe le mani per manipolare il filo con fluidità, regolando la presa per evitare che si attorcigli e assicurando un avvolgimento saldo.

Combinando percezione e azione, Gemini Robotics e Gemini Robotics-ER creano un sistema intelligente che consente ai robot di svolgere con efficienza attività manuali complesse in ambienti dinamici.

Fig. 2. Panoramica della famiglia di modelli Gemini Robotics.

AI nella robotica: come funziona Gemini Robotics#

Ora analizziamo più da vicino ciascun modello per capire meglio come Gemini Robotics e Gemini Robotics-ER collaborano per bilanciare flessibilità e rapidità d'azione.

Da un lato, Gemini Robotics-ER sfrutta due meccanismi fondamentali: la generazione di codice zero-shot e l'apprendimento in contesto few-shot (ICL). Con la generazione di codice zero-shot, il modello può creare codice per controllare il robot in base alle istruzioni, alle immagini e ai dati in tempo reale, senza richiedere ulteriore addestramento.

Analogamente, con l'apprendimento few-shot, il modello si adatta a nuove attività imparando da pochi esempi, riducendo la necessità di un addestramento approfondito. Insieme, questi metodi permettono al robot di svolgere rapidamente attività complesse e adattarsi a nuove sfide con il minimo sforzo.

Gemini Robotics, invece, è progettato per offrire velocità ed efficienza. Usa un sistema ibrido composto da un backbone basato sul cloud e un decodificatore di azioni integrato nel robot. Il backbone basato sul cloud elabora rapidamente le informazioni, con una latenza tra richiesta e risposta inferiore a 160 millisecondi.

Il decodificatore integrato nel robot aiuta poi a tradurre questi dati in azioni in tempo reale. Il sistema combinato raggiunge un tempo di risposta complessivo di circa 250 millisecondi, con una velocità di controllo di 50 azioni al secondo.

Fig. 3. Come Gemini Robotics supporta il controllo dei robot in tempo reale.

Funzionalità principali di Gemini Robotics#

Ecco una rapida panoramica delle funzionalità principali di Gemini Robotics:

• Generalità: Si adatta ai cambiamenti di illuminazione, sfondo e oggetti mantenendo la precisione. Comprende anche comandi parafrasati o multilingue e può adeguare i movimenti a condizioni diverse.
• Interattività: Questo modello può elaborare un'ampia gamma di comandi in linguaggio naturale e rispondere in modo intuitivo. Adegua anche le proprie azioni in base ai cambiamenti dell'ambiente in tempo reale, caratteristica che lo rende ideale per la collaborazione uomo-robot.
• Destrezza: Un robot basato su questo modello può svolgere attività complesse e precise, come piegare origami o maneggiare oggetti delicati. Che si tratti di un processo articolato in più passaggi o di azioni rapide, il modello può aiutare a eseguirle in modo efficiente.
• Molteplici configurazioni: Funziona su diverse piattaforme robotiche, come i sistemi a due bracci e i robot umanoidi, richiedendo pochi ritocchi. Si adatta rapidamente alle nuove attività mantenendo prestazioni elevate.

Fig. 4. Google Gemini Robotics opera su diverse piattaforme robotiche.

Funzionalità principali di Gemini Robotics-ER#

Ecco alcune delle funzionalità principali di Gemini Robotics-ER che aiutano i robot a comprendere e interagire con il mondo:

• Rilevamento degli oggetti e tracking: può essere usato per identificare e seguire gli oggetti nello spazio 2D e 3D. Con query in linguaggio naturale, aiuta i robot a trovare gli oggetti e a prevederne la posizione in base al tipo, alla posizione o alla funzione.
• Individuazione di punti: Questa funzionalità consente al modello di individuare oggetti specifici o parti di un'immagine usando coordinate precise. Può aiutare i robot a localizzare oggetti interi, parti di oggetti o persino spazi vuoti.
• Previsione della presa: Gemini Robotics-ER può essere usato per determinare il modo migliore di afferrare gli oggetti in base alla loro forma e funzione. Prevede il punto di presa, che si tratti di una banana o del manico di una tazza, consentendo ai robot di maneggiare gli oggetti con cura.
• Ragionamento sulle traiettorie: Il modello può pianificare i percorsi di movimento prevedendo sequenze di azioni. Per esempio, può guidare la mano di un robot verso uno strumento o definire punti di passaggio per un'attività specifica, aiutando il robot a completarla in modo efficiente.
• Corrispondenza tra viste multiple: Questa funzionalità aiuta il modello a comprendere le strutture 3D confrontando l'aspetto degli oggetti da angolazioni diverse. Può migliorare il ragionamento spaziale e consentire ai robot di interagire meglio con gli oggetti in ambienti dinamici.

Fig. 5. Gemini Robotics-ER può svolgere diverse attività.

Per il rilevamento di oggetti 2D a partire dai nomi delle classi, i modelli Gemini più recenti, come Gemini 4 Argon, sono confrontati con altri modelli visione-linguaggio nella Ultralytics VLM Leaderboard.

Applicazioni dei modelli Google Gemini Robotics#

Ora che abbiamo esaminato le principali capacità di Gemini Robotics e Gemini Robotics-ER, vediamo le loro applicazioni nel mondo reale in diversi settori.

Google Gemini Robotics può essere usato nel settore manifatturiero#

Nel settore manifatturiero, precisione e velocità sono importanti, ma è l'adattabilità a far funzionare tutto senza intoppi. Per esempio, un robot industriale basato su Gemini può assemblare un sistema di pulegge identificando i componenti corretti, posizionandoli nel modo giusto e maneggiando un elastico flessibile con la forza adeguata.

Può tendere l'elastico, avvolgerlo attorno alle pulegge e fissarlo senza romperlo né disallinearlo. Se la configurazione o l'attività cambiano, il robot può adattarsi senza bisogno di una riprogrammazione approfondita. Questa automazione intelligente riduce gli errori, migliora l'efficienza e mantiene fluidi i processi di produzione.

Fig. 6. Un robot industriale a due bracci monta con precisione un elastico su un sistema di pulegge.

Case intelligenti con Gemini Robotics#

Gli impegni quotidiani possono rendere difficile stare al passo con le faccende domestiche. I robot intelligenti possono occuparsi di attività come pulire, sistemare la spesa e persino aiutare a preparare i pasti, semplificando la vita quotidiana.

Per esempio, un robot potrebbe preparare una borsa per il pranzo, scegliendo e sistemando con cura gli alimenti al suo interno e regolando la presa per proteggere gli oggetti fragili come la frutta o le lattine. Anche se la disposizione cambia, il robot può adattarsi autonomamente, alleggerendo le faccende quotidiane con una supervisione minima.

Fig. 7. Un robot umanoide prepara con cura una borsa per il pranzo.

Vantaggi e svantaggi dell'uso di Gemini Robotics#

Gemini Robotics amplia le possibilità dei robot, dalla produzione di precisione all'assistenza domestica intelligente. Ecco alcuni vantaggi fondamentali dell'uso di Gemini Robotics in diverse applicazioni:

• Requisiti minimi di addestramento: A differenza dei robot tradizionali, quelli basati su Gemini Robotics possono apprendere da poche dimostrazioni, riducendo i costi di addestramento e semplificandone la distribuzione.
• Maggiore sicurezza: Negli ambienti pericolosi, i robot integrati con Gemini Robotics possono svolgere attività rischiose, riducendo il rischio di infortuni per i lavoratori.
• Funzionalità personalizzabili: La flessibilità di Gemini Robotics permette di adattarlo alle esigenze specifiche di diversi settori o singole aziende, consentendo applicazioni specializzate e soluzioni su misura.

Sebbene Gemini Robotics offra diversi vantaggi, è importante considerare anche i seguenti limiti:

• Difficoltà con le relazioni spaziali: Questi modelli potrebbero avere difficoltà a tenere traccia delle relazioni spaziali nel corso di sequenze video lunghe, compromettendo la capacità di seguire e comprendere gli oggetti nel tempo.
• Scarsa precisione numerica: Le previsioni del modello, come punti e riquadri di delimitazione, potrebbero non essere abbastanza precise per le attività che richiedono un controllo fine, come quelle robotiche più delicate.
• Attività complesse: Gemini Robotics potrebbe avere difficoltà a gestire attività complesse che richiedono ragionamenti articolati in più passaggi e movimenti precisi, soprattutto in situazioni nuove o poco familiari.

Il futuro dell'AI nella robotica#

Con il continuo progresso dell'AI, modelli come Gemini Robotics e Gemini Robotics-ER stanno plasmando il futuro della robotica. I miglioramenti futuri si concentreranno probabilmente sul potenziamento del ragionamento in più passaggi, consentendo ai robot di suddividere le attività in passaggi logici per ottenere maggiore precisione.

Un altro ambito di sviluppo fondamentale su cui Google DeepMind intende lavorare è l'addestramento basato sulla simulazione. Imparando in ambienti virtuali prima di essere impiegati nel mondo reale, i robot possono affinare il processo decisionale e i movimenti, riducendo al minimo gli errori nelle applicazioni pratiche.

Con l’evolversi di queste tecnologie, potrebbero aprire la strada a un futuro in cui i robot saranno più autonomi, adattabili e capaci di lavorare al fianco delle persone nella vita di tutti i giorni.

Punti chiave#

Gemini Robotics rappresenta un grande passo avanti nell'automazione basata sull'AI, collegando l'intelligenza digitale alle attività fisiche nel mondo reale. Combinando visione, linguaggio e apprendimento basato sull'azione, questi robot possono gestire attività complesse con precisione e adattabilità.

Man mano che diventano più intelligenti, è probabile che i robot assumano un ruolo sempre più importante nella vita quotidiana, trasformando il modo in cui persone e macchine collaborano. Questo progresso ci avvicina a un mondo più intelligente e connesso, in cui l'automazione basata sull'AI migliora sia i settori industriali sia le attività di tutti i giorni.

Entra a far parte della nostra community in crescita! Visita il nostro repository GitHub per approfondire l'AI. Vuoi avviare i tuoi progetti di computer vision? Dai un'occhiata alle nostre opzioni di licenza. Scopri di più sull'AI nel settore manifatturiero e sulla Vision AI nel settore automobilistico nelle nostre pagine dedicate alle soluzioni!