IA · 31 luglio 2026 · 4 min di lettura
Gemini Robotics 2: la scommessa di Google DeepMind per guidare l'IA nel mondo fisico
In sintesi: Google DeepMind ha svelato Gemini Robotics 2, un aggiornamento fondamentale del suo modello di intelligenza artificiale integrata che estende il controllo dai soli arti superiori all'intero corpo dei robot umanoidi. Combinando ragionamento visivo-linguistico e modelli d'azione spazio-temporali, il nuovo sistema permette ai robot di svolgere compiti complessi nel mondo reale e coordinare macchine differenti. Con questa release, il colosso di Mountain View punta a posizionare Gemini come l'equivalente di un sistema operativo universale per la robotica del futuro.
di Team Mocchi's
Dalla teoria dello schermo al movimento nel mondo reale
L'evoluzione dei grandi modelli linguistici sta rapidamente uscendo dai confini delle schermate di testo per affrontare la sfida della fisica. Google DeepMind ha presentato ufficialmente Gemini Robotics 2, la nuova generazione della propria architettura di intelligenza artificiale pensata per guidare i robot nel mondo reale. Se le versioni precedenti si concentravano sul controllo della parte superiore del tronco e dei bracci meccanici, l'aggiornamento odierno compie un passo avanti decisivo: permette l'orchestrazione dell'intero corpo umanoide, "dalla punta dei piedi fino alle dita delle mani".
Come descritto da The Verge, il modello offre ora la capacita' di coordinare movimenti complessi come camminare, piegarsi, allungarsi e manipolare oggetti in sequenza. Durante le dimostrazioni pratiche, il robot umanoide Apollo 2 di Apptronik ha mostrato la capacita' di chinarsi per raccogliere un annaffiatoio, individuare specifici oggetti su uno scaffale ed eseguire compiti di precisione come svitare una lampadina, chiudere sacchetti con la zip o annodare sacchi della spazzatura grazie all'integrazione di mani meccatroniche a cinque dita.
L'architettura a tre livelli: visione, azione ed esecuzione locale
La struttura tecnologica di Gemini Robotics 2 non si basa su un singolo modello isolato, ma su una pipeline multimodale altamente integrata. In un'analisi approfondita pubblicata da WIRED, viene evidenziato come il sistema si articoli in tre componenti principali: un modello visivo-linguistico (VLM) per la comprensione del contesto, modelli di azione visivo-linguistica (VLA) per la traduzione dei comandi in traiettorie fisiche, e un modello locale in grado di funzionare direttamente sul dispositivo.
Nello specifico, la componente di ragionamento integrato — denominata Gemini Robotics ER 2 — gestisce il tracciamento dei compiti su archi temporali estesi, identificando con chiarezza l'inizio e la conclusione di ogni operazione. Questa abilita' consente anche la collaborazione diretta tra piu' robot di tipologia differente: nei test condotti da DeepMind, il robot umanoide Apollo 2 e' stato in grado di coordinare un braccio robotico stazionario, fornendo istruzioni visive per organizzare gli utensili all'interno di un'officina. Parallelamente, il modello On-Device garantisce l'esecuzione di comandi in assenza di connessione internet, adattandosi rapidamente a hardware con geometrie e sensori differenti.
Sicurezza ed ecosistema: la strategia dell'"Android della robotica"
L'ingresso dei modelli di intelligenza artificiale nel mondo fisico introduce sfide di sicurezza nettamente superiori rispetto al software tradizionale. Carolina Parada, responsabile della robotica presso Google DeepMind, ha sottolineato come la gestione del rischio richieda un approccio multilivello con vincoli di sicurezza applicati direttamente a ciascuno strato dell'architettura. Per valutare la risposta dei robot di fronte a situazioni impreviste, l'azienda ha introdotto il benchmark ASIMOV-Agentic, progettato per rilevare comandi potenzialmente rischiosi e bloccare l'azione prima che possa causare danni a cose o persone.
La strategia a lungo termine descritta dal CEO Demis Hassabis mira a trasformare Gemini nello standard software di riferimento per l'intero settore robotico, riproponendo nel campo della meccatronica la stessa filosofia abilitante che l'ambiente Android ha rappresentato per il mercato degli smartphone.
Il punto di Mocchi's
Per il tessuto industriale italiano — tradizionalmente forte nella robotica industriale e nell'automazione di magazzino — l'avvento di modelli robotici multimodali segna un cambio di paradigma fondamentale. Fino ad oggi la robotica di fabbrica e' rimasta vincolata ad ambienti altamente strutturati e a programmazioni rigide; la transizione verso sistemi in grado di comprendere il linguaggio naturale, interpretare lo spazio visivo e adattarsi a compiti variabili apre straordinarie opportunita' per la piccola e media impresa. Nei prossimi anni, il valore differenziante per le aziende non risiedera' nella produzione di hardware robotico, ma nell'integrazione software e nella personalizzazione di agenti IA capaci di operare in sicurezza a fianco degli operatori umani.