Os modelos Google Gemini Robotics estão impulsionando robôs mais inteligentes

Durante décadas, os robôs simbolizaram o futuro, aparecendo em laboratórios de investigação, filmes de ficção científica e demonstrações de protótipos industriais. Agora, graças aos recentes avanços da inteligência artificial (AI), estes protótipos estão a sair dos ambientes controlados e a chegar a aplicações do mundo real.

Mais especificamente, com o Gemini Robotics, a Google está a dar um passo em direção à tecnologia necessária para criar robôs mais inteligentes. Lançados a 12 de março de 2025, o modelo Gemini Robotics e o seu modelo complementar, Gemini Robotics-ER (raciocínio incorporado), são as mais recentes inovações da Google DeepMind.

Estes modelos baseiam-se no Gemini 2.0, um modelo de linguagem de grande dimensão (LLM) multimodal capaz de processar e gerar vários tipos de dados, incluindo texto, imagens, áudio e vídeo, permitindo interações mais versáteis e naturais. Estes modelos levam as capacidades multimodais do Gemini 2.0 para o mundo físico, permitindo criar robôs mais hábeis, interativos e inteligentes.

Por exemplo, ao contrário dos robôs tradicionais, que seguem instruções fixas, os robôs integrados aos modelos Gemini Robotics podem processar imagens e linguagem. Isso permite que tomem decisões em tempo real e se adaptem a ambientes em constante mudança.

Neste artigo, vamos explorar o Gemini Robotics e o Gemini Robotics-ER, explicar como estes modelos funcionam e apresentar as suas principais funcionalidades e aplicações.

Fig. 1. O Gemini Robotics ajuda robôs a executar várias tarefas com eficiência.

Conheça o Google Gemini Robotics#

O Gemini Robotics da Google é um modelo de AI avançado concebido para dar aos robôs a capacidade de percecionar, raciocinar e interagir no mundo físico. Como modelo de visão-linguagem-ação (VLA), permite aos robôs processar instruções, interpretar o ambiente e executar tarefas complexas com elevada precisão.

Já o modelo Gemini Robotics-ER aprimora a capacidade do robô de compreender relações espaciais: como os objetos estão posicionados, como se movem e como interagem. Isso ajuda os robôs a antecipar ações e ajustar os movimentos de acordo.

Por exemplo, imagine uma tarefa em que um robô precisa enrolar um fio em um fone de ouvido. O Gemini Robotics-ER ajuda o robô a entender a cena, reconhecer o formato e a flexibilidade do fio, identificar a estrutura do fone e prever como o fio se dobrará durante o movimento. Em seguida, o Gemini Robotics transforma essa compreensão em ação, coordenando as duas mãos para manipular o fio com suavidade, ajustando a pegada para evitar que ele se enrosque e garantindo que fique bem enrolado.

Ao combinar percepção e ação, o Gemini Robotics e o Gemini Robotics-ER formam um sistema inteligente que permite aos robôs executar tarefas que exigem destreza com eficiência em ambientes dinâmicos.

Fig. 2. Visão geral da família de modelos Gemini Robotics.

IA na robótica: explorando o funcionamento do Gemini Robotics#

A seguir, vamos analisar cada modelo mais de perto para entender melhor como o Gemini Robotics e o Gemini Robotics-ER trabalham juntos, equilibrando flexibilidade e rapidez de resposta.

Por um lado, o Gemini Robotics-ER aproveita dois mecanismos fundamentais: geração de código sem exemplos prévios e aprendizado no contexto com poucos exemplos (ICL). Com a geração de código sem exemplos prévios, o modelo pode criar código para controlar o robô com base em instruções da tarefa, imagens e dados em tempo real, sem exigir treinamento adicional.

Da mesma forma, com o aprendizado com poucos exemplos, o modelo se adapta a novas tarefas aprendendo com apenas alguns exemplos, o que reduz a necessidade de treinamento extenso. Em conjunto, esses métodos permitem que o robô execute tarefas complexas rapidamente e se adapte a novos desafios com pouco esforço.

Por outro lado, o Gemini Robotics foi desenvolvido para oferecer rapidez e eficiência. Ele usa um sistema híbrido composto por uma base na nuvem e um decodificador de ações integrado ao robô. A base na nuvem processa informações rapidamente, com latência entre consulta e resposta inferior a 160 milissegundos.

Em seguida, o decodificador integrado ajuda a transformar esses dados em ações em tempo real. Esse sistema combinado alcança um tempo de resposta total de aproximadamente 250 milissegundos, com velocidade de controle de 50 ações por segundo.

Fig. 3. Entenda como o Gemini Robotics permite controlar robôs em tempo real.

Principais recursos do Gemini Robotics#

Veja rapidamente alguns dos principais recursos do Gemini Robotics:

• Generalidade: o modelo consegue se adaptar a mudanças na iluminação, nos planos de fundo e nos objetos sem perder a precisão. Também entende comandos parafraseados ou em vários idiomas e ajusta os movimentos a diferentes condições.
• Interatividade: esse modelo consegue processar uma ampla variedade de comandos em linguagem natural e responder de forma intuitiva. Ele também ajusta suas ações com base nas mudanças do ambiente em tempo real, sendo ideal para a colaboração entre humanos e robôs.
• Destreza: um robô equipado com esse modelo pode realizar tarefas complexas e precisas, como dobrar origami ou manipular objetos delicados. Seja em um processo passo a passo ou em ações rápidas, o modelo pode ajudar a executá-las com eficiência.
• Várias incorporações robóticas: o modelo funciona em diversas plataformas robóticas, como sistemas com dois braços e robôs humanoides, exigindo poucos ajustes finos. Ele se adapta rapidamente a novas tarefas sem perder o alto desempenho.

Fig. 4. O Google Gemini Robotics funciona em diversas plataformas robóticas.

Principais recursos do Gemini Robotics-ER#

Veja alguns dos principais recursos do Gemini Robotics-ER que ajudam os robôs a entender e interagir com o mundo:

• Detecção de objetos e rastreamento: o modelo pode ser usado para identificar e rastrear objetos em espaços 2D e 3D. Com consultas em linguagem natural, ele ajuda os robôs a encontrar objetos e prever suas posições com base no tipo, na localização ou na função.
• Apontamento: esse recurso permite que o modelo localize objetos ou partes específicas de uma imagem usando coordenadas precisas. Ele pode ajudar os robôs a localizar objetos inteiros, partes de objetos ou até espaços vazios.
• Previsão de preensão: o Gemini Robotics-ER pode determinar a melhor maneira de segurar objetos com base no formato e na função deles. Ele prevê onde agarrar, seja uma banana ou a alça de uma xícara, permitindo que os robôs manipulem os itens com cuidado.
• Raciocínio sobre trajetórias: o modelo pode planejar trajetórias de movimento prevendo sequências de ações. Por exemplo, ele pode guiar a mão de um robô até uma ferramenta ou definir pontos de passagem para uma tarefa específica, ajudando o robô a concluí-la com eficiência.
• Correspondência entre múltiplas vistas: esse recurso ajuda o modelo a entender estruturas 3D comparando a aparência dos objetos de diferentes ângulos. Ele pode aprimorar o raciocínio espacial e permitir que os robôs interajam melhor com objetos em ambientes dinâmicos.

Fig. 5. O Gemini Robotics-ER consegue executar várias tarefas.

Para a detecção de objetos 2D a partir de nomes de classes, modelos Gemini mais recentes, como Gemini 4 Argon, são comparados a outros modelos de linguagem visual no Ultralytics VLM Leaderboard.

Aplicações dos modelos Google Gemini Robotics#

Agora que já falámos das principais capacidades do Gemini Robotics e do Gemini Robotics-ER, vamos analisar as suas aplicações no mundo real em vários setores.

Google Gemini Robotics na manufatura#

Na manufatura, precisão e rapidez são importantes, mas é a adaptabilidade que realmente faz tudo funcionar bem. Por exemplo, um robô industrial equipado com Gemini pode montar um sistema de polias identificando os componentes corretos, posicionando-os adequadamente e manuseando um elástico flexível com a força precisa.

O robô pode esticar o elástico, passá-lo pelas polias e prendê-lo sem rompê-lo nem deixá-lo desalinhado. Se a configuração mudar ou a tarefa variar, o robô pode se adaptar sem precisar de uma reprogramação extensa. Essa automação inteligente reduz erros, melhora a eficiência e mantém os processos de manufatura funcionando sem problemas.

Fig. 6. Um robô industrial de dois braços encaixa com precisão um elástico em um sistema de polias.

Casas inteligentes com Gemini Robotics#

Uma agenda cheia pode dificultar a realização das tarefas domésticas. Robôs inteligentes podem ajudar com tarefas como limpar, organizar compras e até preparar refeições, facilitando o dia a dia.

Isso pode incluir um robô arrumando uma lancheira, escolhendo e colocando cuidadosamente os alimentos dentro dela enquanto ajusta a pegada para proteger itens frágeis, como frutas ou latas. Mesmo que a disposição dos itens mude, o robô pode se adaptar por conta própria, facilitando as tarefas diárias com supervisão mínima.

Fig. 7. Um robô humanoide arruma cuidadosamente uma lancheira.

Vantagens e desvantagens do uso do Gemini Robotics#

O Gemini Robotics está ampliando as possibilidades dos robôs, da manufatura de precisão à assistência doméstica inteligente. Veja algumas das principais vantagens de usar o Gemini Robotics em diferentes aplicações:

• Requisitos mínimos de treino: Ao contrário dos robôs tradicionais, os robôs com tecnologia Gemini Robotics podem aprender com poucas demonstrações, reduzindo os custos de treino e facilitando a sua implementação.
• Segurança aprimorada: em ambientes perigosos, os robôs integrados ao Gemini Robotics podem realizar tarefas arriscadas, reduzindo o risco de ferimentos para os trabalhadores.
• Recursos personalizáveis: a flexibilidade do Gemini Robotics permite adaptá-lo às necessidades específicas de diferentes setores ou empresas, viabilizando aplicações especializadas e soluções exclusivas.

Embora o Gemini Robotics ofereça vários benefícios, também é importante considerar as seguintes limitações:

• Dificuldades com relações espaciais: esses modelos podem ter dificuldade para acompanhar relações espaciais em sequências de vídeo longas, o que afeta sua capacidade de rastrear e compreender objetos ao longo do tempo.
• Falta de precisão numérica: as previsões do modelo, como pontos e caixas delimitadoras, podem não ser precisas o suficiente para tarefas que exigem controle fino, como tarefas delicadas realizadas por robôs.
• Tarefas complexas: o Gemini Robotics pode ter dificuldade com tarefas complexas que exigem raciocínio em várias etapas e movimentos precisos, especialmente em situações novas ou desconhecidas.

O futuro da IA na robótica#

À medida que a IA avança, modelos como o Gemini Robotics e o Gemini Robotics-ER estão impulsionando o futuro da robótica. As melhorias futuras provavelmente se concentrarão em aprimorar o raciocínio em várias etapas, permitindo que os robôs dividam tarefas em etapas lógicas para obter mais precisão.

Outra área importante de desenvolvimento em que o Google DeepMind planeja trabalhar é o treinamento baseado em simulação. Ao aprender em ambientes virtuais antes da implementação no mundo real, os robôs podem aprimorar a tomada de decisões e os movimentos, minimizando erros em aplicações práticas.

À medida que estas tecnologias evoluem, podem abrir caminho para um futuro em que os robôs sejam mais autónomos, adaptáveis e capazes de trabalhar ao lado das pessoas no dia a dia.

Principais conclusões#

O Gemini Robotics representa um grande avanço na automação baseada em IA, conectando a inteligência digital a tarefas físicas do mundo real. Ao combinar visão, linguagem e aprendizado baseado em ações, esses robôs podem realizar tarefas complexas com precisão e adaptabilidade.

À medida que os robôs se tornam mais inteligentes, é provável que desempenhem um papel cada vez maior no dia a dia, transformando a maneira como pessoas e máquinas trabalham juntas. Esse progresso nos aproxima de um mundo inteligente e mais conectado, no qual a automação baseada em IA aprimora tanto os setores industriais quanto as tarefas cotidianas.

Faça parte da nossa comunidade em crescimento! Visite nosso repositório no GitHub para saber mais sobre IA. Quer começar seus próprios projetos de visão computacional? Confira nossas opções de licenciamento. Saiba mais sobre IA na manufatura e IA visual no setor automotivo em nossas páginas de soluções!