Jul, 134 min de leitura
Frontend
News · Google DeepMind divide sua aposta em robótica entre um modelo full-stack e um modelo de raciocínio programável
Mar, 124 min de leitura
FrontendGoogle DeepMind divide sua aposta em robótica entre um modelo full-stack e um modelo de raciocínio programável
Gemini Robotics e Gemini Robotics-ER adotam duas posturas diferentes com o desenvolvedor: uma em loop fechado, outra aberta para você programar por cima.
Dois modelos, duas superfícies diferentes para quem constrói
O Google DeepMind anunciou dois modelos construídos sobre o Gemini 2.0. O primeiro, Gemini Robotics, é descrito como seu modelo de visão-linguagem-ação mais avançado, pensado para permitir que robôs realizem uma gama maior de tarefas no mundo real. O segundo, Gemini Robotics-ER, é posicionado de forma diferente: permite que roboticistas executem seus próprios programas usando o raciocínio corporificado do Gemini.
Essa distinção é o ponto mais concreto do anúncio. Um modelo é o loop inteiro — percepção, linguagem e ação embutidos juntos. O outro expõe o raciocínio como um componente ao redor do qual você constrói. O Google não está lançando um único cérebro de robô; está lançando dois pontos de entrada com diferentes níveis de controle nas mãos do desenvolvedor.
Visão-linguagem-ação como interface única
Enquadrar o Gemini Robotics como um modelo de visão-linguagem-ação importa para a forma como um robô recebe instruções. Ele junta em um único sistema o ato de ver, entender um pedido e produzir movimento. Para quem constrói, isso condensa etapas que antes eram separadas — um pipeline de percepção, um planejador, um controlador — em uma única chamada.
O custo disso é a legibilidade. Quando o modelo é responsável pelo caminho completo, da imagem e da instrução até a ação, os pontos onde você normalmente inspecionaria ou sobrescreveria algo ficam dentro do modelo. O anúncio não detalha o quanto desse comportamento interno é observável, e essa é exatamente a pergunta que uma equipe integrando o sistema precisaria ter respondida.
Gemini Robotics-ER e o argumento a favor do seu próprio loop de controle
Gemini Robotics-ER é a versão que respeita a engenharia já existente. Roboticistas mantêm seus próprios programas e chamam o raciocínio corporificado como um serviço dentro deles. Esse é o frontend que se encaixa em equipes que já têm controladores, camadas de segurança e abstrações de hardware que não vão simplesmente descartar.
Essa divisão reconhece algo real sobre o trabalho em robótica: o código de controle da última milha é específico, testado e muitas vezes crítico para a segurança. Oferecer um modelo de raciocínio que se conecta a esse código, em vez de substituí-lo, é um encaixe mais honesto com a forma como robôs de fato chegam ao mercado do que apenas um modelo de ação monolítico.
O status de testador confiável é a limitação atual
Os dois modelos estão sendo testados com parceiros e testadores confiáveis. Não há acesso aberto, preços definidos, nem compatibilidade de hardware declarada no anúncio. Qualquer plano que uma equipe faça hoje em torno desses modelos é provisório até que esse acesso se amplie.
A implicação concreta é esta: a decisão relevante que o Google trouxe à tona não é qual modelo é mais capaz, mas qual postura você quer adotar — um modelo de ação de ponta a ponta ou uma camada de raciocínio dentro do seu próprio código. Para quem constrói por cima, o Gemini Robotics-ER é o que mantém seu loop de controle intacto, e essa é a escolha que vale a pena acompanhar conforme o acesso se abre.
Find this story relevant to you?
Contact us to find a unique solution
Precisa de um parceiro de engenharia de IA que consiga construir de verdade?
Ajudamos empresas no Brasil a integrar IA, acelerar produtos com IA, automatizar operações e modernizar os sistemas de software por trás do negócio.
Leituras relacionadas
Mais análises sobre entrega de produto, IA operacional e o trabalho de sistemas que faz a implantação se sustentar na prática.