Google Cloud apre a clienti Gemini Robotics ER 2 per la pianificazione robotica

Un nuovo cervello per i robot

All'istituto singaporiano A*STAR IMRE, specializzato nella progettazione di nuovi materiali, è stato installato un vecchio reattore a microonde privo di API ma dotato di schermo tattile. Il direttore esecutivo, il professor Loh Xian Jun, ha richiesto che dei robot guidati da Gemini Robotics ER 2 siano in grado di “leggere lo schermo tattile di un vecchio reattore a microonde senza API, bilanciare e caricare una centrifuga, o spostare campioni in sicurezza in un laboratorio molto trafficato”.

Questa esigenza è stata descritta nel comunicato di Google Cloud che ha annunciato l’apertura del modello in pre‑versione pubblica il 27 ottobre 2026, aggiungendo: “È il livello successivo a cui aspiriamo”.

Dal lancio privato alla disponibilità su Google Cloud

Google DeepMind ha presentato ER 2 il 30 luglio 2026. Il comunicato di lancio indicava già la disponibilità “pubblica per gli sviluppatori tramite l’API Gemini, Google AI Studio”, in una pre‑versione privata sulla Gemini Enterprise Agent Platform, la piattaforma di IA di Google Cloud.

Dal 27 ottobre, qualsiasi azienda cliente può invocare il modello sulla piattaforma, nella sezione Model Garden, sotto l’identificatore gemini-robotics-er-2-preview, provarlo in Agent Studio e poi distribuirlo con la gestione dei diritti e i controlli di sicurezza di Google Cloud.

ER 2 resta una pre‑versione. Il suo predecessore, ER 1.6, è stato dichiarato interrotto dal 31 agosto 2026 nella documentazione dell’API Gemini.

Separazione dei compiti: pianificazione e azione

Google descrive ER 2 come “un cervello di alto livello per i robot”, che delega l’esecuzione motoria a qualsiasi modello vision‑language‑action (VLA) di livello inferiore. Lo sviluppatore fornisce gli strumenti a disposizione: un VLA, un’API di navigazione o funzioni personalizzate.

Il flusso operativo è il seguente:

• ER 2 riceve video, audio o testo.
• Segmenta la task in sotto‑passi.
• Chiama gli strumenti (API, VLA, funzioni) per ciascun sotto‑passo.
• Rivaluta il risultato osservando il video.
• Se la fase è riuscita, procede; altrimenti la ripete senza ricominciare l’intero processo.

Secondo le specifiche tecniche, il modello, basato su Gemini 3.5 Flash, genera solo testo. A luglio, DeepMind lo ha fatto pilotare le API di navigazione e del braccio robotico del robot Spot di Boston Dynamics per prelevare oggetti su richiesta.

Accesso anticipato e requisiti per i partner

Il modello che controlla i motori, denominato Gemini Robotics 2, è riservato ai partner in accesso anticipato, come indicato nel comunicato di DeepMind del 30 luglio. Un’azienda che desidera sperimentare ER 2 deve quindi fornire le proprie API del costruttore robotico o un modello d’azione addestrato separatamente.

Prestazioni dichiarate e benchmark interni

Google rivendica una precisione del 91,3 % nel rilevare, all’interno di un video, il fotogramma in cui si verifica un evento critico (ad esempio, il momento di fermare il versamento di un liquido), con un errore medio di 0,96 secondi. Il modello opererebbe a “4 volte la velocità di esecuzione” rispetto a “numerose categorie di modelli più grandi”, non specificati.

Per la classificazione dell’avanzamento di una task, il comunicato di luglio riporta un tasso di risposte corrette del 57,4 %. Su questo test, che Google non ha reso pubblico né il protocollo né i risultati dei concorrenti, il 42,6 % delle risposte rimane errato.

Sicurezza a carico dell’operatore

La documentazione robotica dell’API Gemini è chiara: “spetta a voi mantenere un ambiente sicuro attorno al robot”. La scheda tecnica esclude espressamente applicazioni critiche per la sicurezza, come sanità o trasporti, dove un guasto potrebbe provocare morte, lesioni o danni materiali.

Il rapporto di sicurezza di DeepMind, datato 29 luglio 2026, misura che i migliori modelli testati individuano su un’immagine il superamento di un limite di un metro attorno a una persona con una precisione compresa tra 79 % e 93 %.

Nella versione agentica del test, i modelli riducono del 10‑15 % il tasso di arresti mancati quando una persona è vicina, ma fermano il robot senza motivo dal 15 % al 25 % delle volte. Nessun modello si avvicina allo zero in entrambi i casi. Il rapporto conclude che è “attualmente preferibile” usare questi modelli con “meccanismi di sicurezza deterministici di basso livello”.

Applicazioni industriali e casi d’uso

L’unico caso d’uso robotico descritto in produzione proviene da Boston Dynamics. L’8 aprile 2026, il modulo di ispezione visiva AIVI‑Learning per Spot è stato aggiornato a Gemini Robotics ER 1.6 per i clienti registrati, consentendo la lettura di gauge e display, il monitoraggio dei livelli di liquidi, l’individuazione di danni su un nastro trasportatore, la rilevazione di pozzanghere e detriti, e il conteggio di pallet. Il trasferimento dei dati a Boston Dynamics è obbligatorio.

Nel comunicato del 27 ottobre, Marco da Silva, responsabile dell’attività Spot, ha affermato che ER 2 “offre ancora più valore” ai clienti, sottolineando che “il video cambia ciò che può essere un’ispezione”. Non è stato pubblicato alcun calendario per la migrazione da ER 1.6 a ER 2.

Un’altra azienda, DeepReach, co‑fondato da Chris Liu, utilizza ER 2 per filtrare registrazioni di gesti di professionisti qualificati, finalizzate all’addestramento di modelli di IA fisica.

Simulazione, distribuzione e costi

Google Cloud consente di preparare le prove in simulazione con MuJoCo‑Warp o NVIDIA Isaac Sim, per poi delegare la mappatura e il calcolo delle traiettorie sul sito tramite Google Distributed Cloud.

Il modello di mondo Genie 4, presentato da DeepMind lo stesso 27 ottobre come supporto per “sviluppare ambienti di addestramento per robot e agenti”, è al momento aperto solo a tester di fiducia.

Il primo test avviene in Agent Studio, usando immagini o video propri. La griglia tariffaria di Google Cloud indica per ER 2 un prezzo promozionale di 1 dollaro per milione di token in ingresso (testo, immagine, video o audio) e 5 dollari per milione di token in uscita, inclusi i ragionamenti, fino al 31 dicembre 2026.

Questa non è una semplice sconto: Google restituisce in crediti il 50 % della spesa netta, senza specificare quando i crediti saranno erogati né la loro durata. Dal 1 gennaio 2027 la promozione termina e la tariffa standard passa a 2 dollari in ingresso e 10 dollari in uscita per milione di token.

Conclusioni e prospettive future

Gemini Robotics ER 2 rappresenta un passo significativo verso robot più autonomi, capaci di pianificare, eseguire e verificare compiti complessi in ambienti dinamici. Tuttavia, la responsabilità della sicurezza rimane interamente a carico dell’operatore, e le prestazioni, sebbene promettenti, mostrano margini di miglioramento, soprattutto nella riduzione di falsi positivi e negativi.

Con l’offerta promozionale di Google Cloud, le aziende hanno ora la possibilità di sperimentare il modello in ambienti simulati e reali, integrandolo con le proprie API robotiche. Il futuro dipenderà dalla capacità di colmare il divario tra la pianificazione ad alto livello fornita da ER 2 e l’esecuzione affidabile dei movimenti, nonché dall’adozione di meccanismi di sicurezza deterministici che possano garantire operazioni senza rischi in settori critici.