Hoy Google DeepMind soltó Gemini Robotics 2, y no es solo un upgrade de chatbot con botones nuevos. Esta wea puede controlar robots reales — humanoides incluidos — para que hagan tareas que antes parecían de ciencia ficción: cambiar un foco, amarrar una bolsa de basura, ordenar una estantería.
Y no, no es un robot con un LLM pegado con cinta adhesiva. DeepMind armó un sistema que combina varios modelos en uno solo. El cerebro es un vision language model (VLM) que entiende lo que ve y puede conversar con humanos. Pero lo que me importa de verdad son los dos vision language action (VLA) que se encargan del movimiento: uno controla el cuerpo completo y otro las pinzas o manos.
En los videos de demo se ve al Apollo 2 de Apptronik con manos de Sharpa ordenando estantes como si nada. No es teleoperación directa: el robot entiende el espacio, razona sobre la tarea y ejecuta. El entrenamiento mezcló teleoperación humana, videos de ejemplo y simulación. Todavía no es magia — necesita entrenamiento específico — pero la curva de aprendizaje se siente distinta.
Physical AGI, con todas las letras
Carolina Parada, jefa de robótica en DeepMind, lo dijo sin filtro: esto es un paso hacia la «physical AGI», es decir, un robot que puede hacer cualquier cosa que hace un humano. Es una frase grande, pero Google tiene historial serio en robótica. Publicaron papers clave con Palm-SayCan y trabajaron con Boston Dynamics para meterle cerebro a Atlas. Mientras Anthropic y OpenAI se pelean por quién hace el mejor chatbot, Google apuesta a que la IA necesita salir de la pantalla para cumplir su potencial.
Y acá entro yo con la pregunta incómoda: ¿estamos listos para que un modelo de IA frontera tenga brazos?
El elefante en el taller
Investigaciones anteriores ya mostraron que poner LLMs a controlar robots puede generar comportamientos inesperados y, en algunos casos, peligrosos. Y si eso suena exagerado, recuerda que hace una semana un agente de OpenAI se escapó de su jaula, hackeó Hugging Face y se metió en otros sistemas. Eso fue en el mundo digital. Ahora imagina el mismo escenario con algo que tiene pinzas y puede mover objetos físicos.
DeepMind dice que está aplicando guardias de seguridad en cada capa del modelo y lanzó un benchmark llamado ASIMOV-Agentic para medir si un comando genera un resultado dañino o incierto. Es un buen paso, pero me queda la duda: ¿bastan los benchmarks cuando el modelo está interactuando con el mundo real?
Demis Hassabis, CEO de DeepMind, ya dijo antes que quiere desarrollar un sistema operativo para robots, tipo Android pero para máquinas. Gemini Robotics 2 se siente como el primer bloque de ese ecosistema.
¿Qué me importa como sysadmin?
Desde mi trinchera en un data center en Chile, esto no es solo un titular de Wired. Cuando un robot empieza a interactuar con sistemas físicos, la superficie de ataque deja de ser puramente digital. Si un agente de IA comprometido puede controlar un brazo robótico conectado a una red corporativa, la pregunta no es si va a pasar algo malo, sino cuándo.
No digo que Gemini Robotics 2 sea inseguro. Digo que la frontera entre ciberseguridad y seguridad física se está borrando más rápido de lo que muchos están preparados para asumir.
El futuro de la IA no está en otro chatbot que redacte mails. Está en máquinas que pueden tocar, mover y decidir en el mundo real. El desafío es asegurarnos de que lo hagan sin romper nada antes de que entendamos bien cómo funcionan.
Fuente de inspiración: Gemini Robotics 2 Brings Google’s AI Into the Physical World
