O Google DeepMind apresentou o Gemini Robotics 2.5 em 10 de novembro de 2026. A atualização é um modelo de visão, linguagem e ação (VLA) que transforma vídeos ao vivo e comandos de texto em movimentos robóticos. Segundo a DeepMind, a nova versão lida melhor com tarefas delicadas, trabalha mais rápido e inclui um sistema de orientação de segurança que para o robô quando surgem obstáculos. Em um projeto-piloto com o humanoide Apollo 2, da Apptronik, o sistema separou peças automotivas em linhas de produção da Mercedes-Benz na Hungria e na Alemanha, com uma taxa de sucesso de 96%.
O que há de novo no Gemini Robotics 2.5?
O modelo foi testado em mais de 200 tarefas diferentes, desde servir comida com pinças até dar laços em fitas e pipetar líquidos. A DeepMind relata uma taxa de sucesso entre 30% e 100% maior que a da versão anterior e um ganho de velocidade de 20% a 30% em laboratório. Uma demonstração que chamou atenção mostrou o robô Apollo 2 dando um laço com sua mão de cinco dedos — uma tarefa difícil porque as fitas se deformam com facilidade. As melhorias de segurança vêm de um raciocínio feito no momento da inferência, que orienta o robô para evitar perigos. A empresa mediu um aumento de 33% na conclusão segura de tarefas quando havia obstáculos e de 43% quando havia pessoas por perto.
Teste aberto de segurança
Para elevar os padrões do setor, a DeepMind lançou o ASIMOV-Jailbreak, um conjunto de código aberto com 1.500 comandos criados para induzir robôs a realizar ações inseguras. Em testes internos, o benchmark atribuiu ao Gemini 2.5 uma pontuação de resistência de 98,8%, bem acima dos 73,5% obtidos pelo modelo anterior, Gemini ER 2. O conjunto completo de dados está disponível no Hugging Face para quem trabalha com IA incorporada.
Por que importa
Nas fábricas, a maior confiabilidade pode permitir que robôs assumam tarefas repetitivas e fisicamente exigentes, liberando técnicos humanos para trabalhos mais complexos. O benchmark aberto de segurança oferece aos desenvolvedores uma forma de medir e melhorar a capacidade dos robôs de evitar ações perigosas — algo essencial antes que eles saiam dos laboratórios controlados e cheguem a espaços do dia a dia.
