O Google DeepMind apresentou o Gemini Robotics 2.0, com a promessa de destreza e segurança superiores às da geração anterior. A demonstração mais comentada mostra o modelo controlando o corpo inteiro de um robô humanoide, e não apenas um braço manipulador.
A diferença entre controlar um braço e controlar um corpo inteiro não é de grau. Um braço fixo tem base estável e um espaço de trabalho conhecido. Um corpo que caminha precisa resolver equilíbrio, deslocamento de peso e recuperação de tropeço enquanto executa a tarefa, e cada uma dessas coisas influencia as outras em tempo real.
A ênfase em segurança na comunicação do lançamento não é acidental. Robô humanoide que se move em espaço compartilhado com pessoas tem uma superfície de risco que um braço em célula isolada não tem, e é um terreno onde erro de modelo vira lesão física.
Fica em aberto o que acontece quando o modelo encontra uma situação fora do que viu no treinamento. Em software, um modelo que não sabe responder produz texto ruim. Em hardware que pesa dezenas de quilos e anda perto de gente, a mesma incerteza tem outra consequência.
O anúncio consolida uma tendência do ano: os modelos de linguagem deixaram de ser apenas geradores de texto para virar camada de controle de sistemas físicos.