Gemini Robotics 2.5 mira a linha de montagem, não o laboratório
A Google DeepMind submeteu seu novo modelo de controle de robôs a linhas de produção em funcionamento da Mercedes-Benz e reportou 96% de acerto na separação de peças metálicas. O teste usou o humanoide Apollo 2, da Apptronik, em fábricas na Hungria e na Alemanha — um salto de estágio em relação às demonstrações controladas que costumam acompanhar anúncios do gênero.
Visão, linguagem e ação no mesmo modelo
O Gemini Robotics 2.5 pertence à categoria que o setor chama de VLA — modelo de visão-linguagem-ação, que lê a imagem da cena, entende a instrução em linguagem natural e a converte em movimento de braços e mãos. O antecessor, apresentado no começo deste ano, tinha como meta o controle do corpo inteiro do robô; a nova versão concentra o esforço na manipulação de objetos.
Nos testes da própria DeepMind, o desempenho ficou entre 30% e 100% acima das bases de comparação anteriores da empresa, conforme o tipo de tarefa, com execução 20% a 30% mais rápida. O conjunto avaliado passou de 200 tarefas, incluindo servir comida com pinças e pipetar líquidos.
Dois modelos, uma célula de montagem
Em Kecskemét, na Hungria, e Sindelfingen, na Alemanha, o Apollo 2 executou kitting: retirar peças metálicas de caixotes a granel e distribuí-las em bandejas na ordem que cada veículo da linha exige. A tarefa foi dividida entre dois sistemas — cabia ao Gemini Robotics ER o acompanhamento do fluxo de trabalho, e ao Gemini Robotics 2.5 o comando de mãos e braços.
O corpo do robô impõe dificuldade própria: a mão de cinco dedos do Apollo 2 tem 22 graus de liberdade, ou seja, 22 eixos de movimento independentes. A DeepMind também rodou o modelo na plataforma Franka Duo, equipada com garras paralelas de dois dedos, sinal de que a proposta é operar em hardwares distintos.
| Indicador | Resultado reportado |
|---|---|
| Acerto na separação de peças (piloto Mercedes-Benz) | 96% |
| Ganho sobre as bases anteriores da DeepMind | 30% a 100% |
| Redução de tempo na execução das tarefas | 20% a 30% |
| Tarefas avaliadas | mais de 200 |
| Graus de liberdade da mão do Apollo 2 | 22 |
O CEO da Apptronik, Jeff Cardenas, afirmou que os modelos evoluíram de forma acentuada poucas semanas após o treinamento adicional e que a migração para a produção da Mercedes ocorreu com perda mínima de desempenho.
Segurança: desvio de obstáculos e um teste aberto de jailbreak
A DeepMind sustenta que o controle em tempo real permite ao robô evitar riscos físicos sem abandonar a tarefa. Nas avaliações internas, a conclusão segura de tarefas melhorou 33% perto de obstáculos e 43% perto de pessoas.
A companhia ainda liberou no Hugging Face o ASIMOV-Jailbreak, um benchmark — pacote padronizado de testes — de código aberto com centenas de instruções que escondem pedidos perigosos em dezenas de cenários. A proposta é medir se modelos de robótica podem ser induzidos a executar ações danosas. O Gemini 4 Argon, modelo de linguagem da própria Google, resistiu a 99,5% das tentativas; o antecessor Gemini Robotics ER 2, a 82%.
Gêmeo digital como fonte de treino
Na construção do Gemini Robotics 2.5, o Gemini 4 Argon foi empregado como motor de simulação: a partir de uma cena captada por câmera real, gera milhares de rodadas simuladas de treinamento e monta um gêmeo digital — réplica virtual do ambiente. Somado a demonstrações feitas no mundo físico, o recurso serve para o robô se adaptar mais depressa a cenários e objetos novos. O Argon também levanta hipóteses sobre a causa de erros a partir de vídeos e testa correções na simulação e no equipamento real.
O Gemini Robotics 2.5 está sendo distribuído aos parceiros Agile, Apptronik e Mercedes-Benz, segundo a DeepMind. O anúncio foi feito em 10 de novembro de 2026.
O que muda para o investidor
O mercado de robótica humanoide vive de vídeos de protótipo; o dado relevante aqui é outro. A métrica vem de linha ativa, com taxa de acerto, tempo de ciclo e perda de desempenho na transição do treino para a produção — justamente os indicadores que definem se a automação fecha a conta. Acertar 96% ainda deixa margem de erro, e a operação descrita cobre uma tarefa específica, a separação de peças, não a montagem completa do veículo.
Para o investidor brasileiro, a exposição é indireta: Alphabet, controladora do Google, e o grupo Mercedes-Benz não têm ação listada na B3. O tema chega à carteira por cadeias de automação industrial, sensores e semicondutores, fornecedores que se beneficiam da difusão de robôs em linhas de montagem.