Google DeepMind ha presentato Gemini Robotics 2.5 il 10 novembre 2026. L’aggiornamento è un modello vision-language-action (VLA) che trasforma video in tempo reale e comandi testuali in movimenti robotici. DeepMind afferma che la nuova versione è in grado di affrontare compiti più delicati, opera più rapidamente e integra un sistema di guida alla sicurezza che ferma il robot quando rileva ostacoli. In una sperimentazione con il robot umanoide Apollo 2 di Apptronik, il sistema ha smistato componenti automobilistici sulle linee di produzione Mercedes‑Benz in Ungheria e Germania, raggiungendo un tasso di successo del 96%.
Le novità di Gemini Robotics 2.5
Il modello è stato testato su oltre 200 compiti distinti, che andavano dal servire cibo con le pinze al fare un fiocco con un nastro e pipettare liquidi. DeepMind riferisce un tasso di successo superiore del 30%‑100% rispetto alla versione precedente e un aumento della velocità del 20%‑30% nei test di laboratorio. In una dimostrazione notevole, il robot Apollo 2 ha fatto un fiocco con la sua mano a cinque dita: un’impresa complessa, perché i nastri si deformano facilmente. I miglioramenti alla sicurezza si basano su un ragionamento durante l’inferenza che guida il robot intorno ai pericoli; l’azienda ha misurato un aumento del 33% dei compiti completati in sicurezza in presenza di ostacoli e del 43% quando c’erano persone nelle vicinanze.
Benchmark aperto sulla sicurezza
Per promuovere standard di settore, DeepMind ha pubblicato ASIMOV‑Jailbreak, una raccolta open source di 1.500 prompt progettati per indurre i robot a compiere azioni non sicure. Nei test interni, il benchmark ha assegnato a Gemini 2.5 un punteggio di resistenza del 98,8%, ben al di sopra del 73,5% ottenuto dal precedente modello Gemini ER 2. L’intero set di dati è disponibile su Hugging Face per chiunque lavori sull’intelligenza artificiale incarnata.
Perché conta
Per le fabbriche, una maggiore affidabilità potrebbe consentire ai robot di occuparsi di lavori ripetitivi e fisicamente impegnativi, lasciando ai tecnici umani compiti più complessi. Il benchmark di sicurezza aperto offre agli sviluppatori un metodo per misurare e migliorare la capacità dei robot di evitare azioni pericolose, un requisito essenziale prima che escano dai laboratori controllati e arrivino negli spazi di tutti i giorni.
