Jul, 134 min de leitura
Frontend
News · A Google DeepMind divide a sua aposta em robótica num modelo full-stack e num modelo de raciocínio programável
Mar, 124 min de leitura
FrontendA Google DeepMind divide a sua aposta em robótica num modelo full-stack e num modelo de raciocínio programável
O Gemini Robotics e o Gemini Robotics-ER assumem duas posturas distintas perante o developer, uma em circuito fechado e outra aberta ao código próprio.
Dois modelos, duas interfaces diferentes para quem constrói
A Google DeepMind anunciou dois modelos construídos sobre o Gemini 2.0. O primeiro, Gemini Robotics, é descrito como o seu modelo de visão-linguagem-ação mais avançado, pensado para permitir que os robôs realizem uma gama mais ampla de tarefas no mundo real. O segundo, Gemini Robotics-ER, está posicionado de forma diferente: permite que os roboticistas executem os seus próprios programas recorrendo ao raciocínio corporizado do Gemini.
Essa distinção é o aspeto mais concreto do anúncio. Um modelo é o circuito completo — perceção, linguagem e ação reunidas num só bloco. O outro expõe o raciocínio como um componente à volta do qual se constrói. A Google não está a lançar um único cérebro robótico; está a lançar dois pontos de entrada com diferentes graus de controlo entregues ao developer.
Visão-linguagem-ação como interface única
O facto de o Gemini Robotics ser apresentado como um modelo de visão-linguagem-ação é relevante para a forma como um robô recebe instruções. Junta a perceção visual, a compreensão de um pedido e a produção de movimento num único sistema. Para quem constrói, isso condensa numa só chamada aquilo que antes eram fases separadas — um pipeline de perceção, um planeador, um controlador.
O compromisso é a legibilidade. Quando o modelo detém todo o percurso, desde a imagem e a instrução até à ação, os pontos onde normalmente se inspecionaria ou substituiria o comportamento ficam dentro do modelo. O anúncio não dá qualquer detalhe sobre o grau de observabilidade desse comportamento interno, que é precisamente a questão à qual uma equipa que o vá integrar precisaria de resposta.
Gemini Robotics-ER e o argumento a favor de um circuito de controlo próprio
O Gemini Robotics-ER é a versão que respeita a engenharia já existente. Os roboticistas mantêm os seus próprios programas e chamam o raciocínio corporizado como um serviço dentro deles. Essa é a interface que se adapta a equipas que já têm controladores, camadas de segurança e abstrações de hardware que não vão deitar fora.
Esta divisão reconhece algo real sobre o trabalho em robótica: o código de controlo do último centímetro é específico, testado e muitas vezes crítico para a segurança. Oferecer um modelo de raciocínio que se integra nesse código, em vez de o substituir, é uma proposta mais honesta face à forma como os robôs realmente chegam ao mercado do que um único modelo de ação monolítico.
O estatuto de trusted tester é a limitação atual
Ambos os modelos estão a ser testados com parceiros e trusted testers. O anúncio não refere acesso aberto, preços, nem compatibilidade de hardware definida. Qualquer planeamento que uma equipa faça hoje em torno destes modelos é provisório até esse acesso se alargar.
A implicação concreta é esta: a decisão relevante que a Google trouxe à tona não é qual dos modelos é mais capaz, mas sim qual a postura pretendida — um modelo de ação de ponta a ponta ou uma camada de raciocínio dentro do código próprio. Para quem constrói sobre esta base, o Gemini Robotics-ER é o que mantém o circuito de controlo intacto, e essa é a escolha a acompanhar à medida que o acesso se for abrindo.
Find this story relevant to you?
Contact us to find a unique solution
Precisa de um parceiro de engenharia de IA que saiba executar?
Ajudamos equipas em Portugal a integrar IA em produtos, automatizar processos de alto valor e modernizar os sistemas que suportam o negocio.
Leitura relacionada
Mais análises sobre entrega de produto, AI operacional e o trabalho de sistemas que faz com que a implementação funcione na prática.