Per decenni i robot hanno fatto una cosa sola bene: ripetere. Braccia meccaniche programmate al millimetro, sequenze fisse, nessuna capacità di reagire a un imprevisto. Il 30 luglio 2026 Google DeepMind ha presentato Gemini Robotics 2, una famiglia di tre modelli che prova a rompere questo schema: robot che ragionano su ogni movimento, controllano l’intero corpo, dai piedi alle dita, e collaborano tra loro su compiti che nessuno ha programmato in anticipo. Non è l’ennesimo video di un umanoide che balla: è un cambio di architettura software che tocca da vicino chi lavora con automazione, logistica e manifattura.
In questo articolo scoprirai:
- Cos’è Gemini Robotics 2 e perché rompe con i robot pre-programmati
- I tre modelli di Gemini Robotics 2: VLA, ER 2 e On-Device 2
- Collaborazione multi-robot e sicurezza: dove Gemini Robotics 2 va oltre la demo
- Cosa cambia davvero per lavoro e automazione: il reality check
Cos’è Gemini Robotics 2 e perché rompe con i robot pre-programmati
Gemini Robotics 2 è un vision-language-action model (VLA): un modello che riceve in input immagini e istruzioni in linguaggio naturale e produce in output comandi motori. È la stessa logica dei modelli linguistici che conosciamo, se vuoi capire le fondamenta, la nostra guida sugli LLM e come funzionano spiega il meccanismo di base, ma con una differenza sostanziale: l’output non è testo, è movimento nel mondo fisico.
La differenza tra un modello linguistico e un VLA sta nei dati. Il testo è abbondante e già digitalizzato; le traiettorie motorie di un robot che apre un cassetto o infila un cavo esistono solo se qualcuno le registra, robot per robot, presa per presa. È questo il vero collo di bottiglia della robotica degli ultimi anni: non la potenza di calcolo, ma la scarsità di dati fisici. Ogni annuncio del settore va letto in questa chiave, e la domanda utile non è “cosa riesce a fare nella demo”, ma “quanti dati sono serviti per arrivarci e quanto di quell’addestramento si trasferisce a un compito diverso”.
La famiglia Gemini Robotics non nasce oggi. Secondo la scheda Wikipedia dedicata, i primi due modelli sono arrivati il 12 marzo 2025, seguiti dalla versione On-Device il 24 giugno 2025, sviluppati in partnership con Apptronik. La differenza è che le versioni precedenti si fermavano alla manipolazione da tavolo: braccia e pinze su un piano di lavoro. Con la versione 2, DeepMind estende il controllo all’intero corpo di un umanoide.
Perché il “whole-body control” è il salto difficile
Controllare una pinza è un problema circoscritto. Controllare gambe, torso, braccia e dita sotto un’unica policy appresa significa gestire equilibrio, spostamento del baricentro e manipolazione contemporaneamente. Nella demo pubblicata da DeepMind, un Apptronik Apollo 2 riceve l’istruzione “metti l’annaffiatoio nel contenitore verde sul ripiano in basso”, attraversa la stanza, si abbassa e completa il compito. Nessuna di queste fasi è stata programmata separatamente: il modello le deriva dall’istruzione e da ciò che vede.
Il dettaglio tecnico che conta è la parola unica. Nelle architetture tradizionali il controllo della locomozione e quello della manipolazione sono due sistemi separati, con un livello di coordinamento scritto a mano sopra di essi: il robot cammina, si ferma, poi afferra. Unificarli sotto una sola policy permette movimenti sovrapposti, abbassarsi mentre si allunga il braccio, e riduce il numero di casi limite da gestire manualmente. È anche la ragione per cui questi modelli sono difficili da validare: un errore non resta confinato in un sottosistema, si propaga a tutto il corpo.
I tre modelli di Gemini Robotics 2: VLA, ER 2 e On-Device 2
L’annuncio non riguarda un modello ma tre, con ruoli distinti. È una scelta architetturale che vale la pena capire, perché ricalca la separazione tra “pianificatore” ed “esecutore” che sta diventando standard anche negli sistemi di AI generativa.
Gemini Robotics 2: il modello VLA che muove il corpo
È il livello esecutivo. Traduce percezione e istruzioni in controllo motorio e, stando al blog ufficiale di Google DeepMind, pilota mani a cinque dita con 22 gradi di libertà (l’hardware SharpaWave) per compiti come annodare un sacco della spazzatura o sigillare una busta ziplock. Sulle pinze industriali a due dita, i test di destrezza riportano tassi di successo tra il 74,2% e l’89,6% su attività di tool kitting e inserimento di precisione.
Gemini Robotics ER 2: il cervello che pianifica
ER sta per embodied reasoning. È un modello vision-language che non muove nulla: ragiona. Secondo l’annuncio su blog.google, ER 2 lavora su flussi video grezzi anziché su fotogrammi statici, raggiunge il 91,3% di accuratezza nel moment-finding (individuare l’istante esatto in cui accade qualcosa) con uno scarto medio di 0,96 secondi, e sa leggere strumenti analogici e digitali: display, righelli, termometri a liquido. Sul sito per sviluppatori di Google la scheda tecnica indica una finestra di contesto da 131.072 token in input e 65.536 in output, con supporto a testo, immagini, video e audio.
Gemini Robotics On-Device 2: girare senza cloud
La variante ottimizzata per l’esecuzione locale sull’hardware del robot. Il dato più interessante è la velocità di adattamento: meno di 200 esempi raccolti in poche ore bastano per portare il modello su un robot bi-braccio completamente nuovo, testato su piattaforme come Dexmate, SO101 e Trossen. Per un’azienda significa non dover ricostruire un dataset da zero a ogni cambio di macchina.
Collaborazione multi-robot e sicurezza: dove Gemini Robotics 2 va oltre la demo
La novità meno spettacolare ma più rilevante industrialmente è il lavoro di squadra. ER 2 permette a robot diversi, un umanoide e un rover su ruote, per dire, di comunicare attraverso una comprensione semantica condivisa, passarsi oggetti e spartirsi le fasi di un flusso. Come nota Robotics & Automation News, questo attacca direttamente il collo di bottiglia della macchina singola in magazzino: finora ogni robot era un’isola.
Il punto è che il coordinamento non passa da un protocollo rigido. I robot si scambiano una rappresentazione semantica della scena e del compito, l’equivalente di due colleghi che si dicono “io tengo, tu avviti”, invece di seguire una sequenza sincronizzata al millisecondo. Come riassume l’analisi tecnica di MarkTechPost, è l’impostazione dei sistemi multi-agente software applicata a corpi fisici, con i vincoli in più della latenza e della sicurezza.
Sul fronte sicurezza DeepMind introduce ASIMOV-Agentic, un benchmark per l’orchestrazione sicura, e un meccanismo di rilevamento della prossimità umana che innesca chiamate a strumenti di sicurezza quando una persona si avvicina. ER 2 può inoltre decidere che un compito è fuori dalla propria portata e richiedere l’intervento umano, un comportamento che sembra banale ma che in fabbrica è la differenza tra un incidente e un fermo macchina.
Come si accede oggi ai modelli
L’accesso è scaglionato. ER 2 è disponibile via API Gemini e Google AI Studio, più una private preview sulla Gemini Enterprise Agent Platform. Il VLA e la versione On-Device restano riservati a partner early-access, tra i tester storici figurano Boston Dynamics, Agility Robotics e Agile Robots. Chi vuole capire dove si colloca questo pezzo nell’ecosistema più ampio dei modelli Google può partire dalla nostra guida completa a Gemini, mentre Project Astra racconta la stessa ambizione applicata alla percezione multimodale in tempo reale. Sul versante generativo, invece, la parabola di Nano Banana mostra quanto rapidamente Google iteri sulle proprie famiglie di modelli.
Cosa cambia davvero per lavoro e automazione: il reality check
Qui serve raffreddare l’entusiasmo. Il settore umanoidi ha assorbito oltre 10 miliardi di dollari di investimenti tra il 2023 e il 2025, ma i deployment in produzione senza supervisione umana restano, secondo l’analisi di mercato di Robotics Center, limitati a una manciata di partner industriali. Le capacità dimostrate nel 2026 sono locomozione indoor, navigazione strutturata e manipolazione di oggetti definiti. Restano irrisolte proprio la manipolazione generalista in ambienti non strutturati, la destrezza in-hand e il recupero da contatti imprevisti.
A questo si aggiungono vincoli fisici prosaici: 2-4 ore di autonomia per ciclo di carica in uso misto, tempi di manutenzione, e il costo di integrazione nei flussi produttivi esistenti. Interesting Engineering segnala che Google non ha comunicato alcuna data di deployment commerciale.
Cosa monitorare nei prossimi mesi
Tre indicatori dicono più di qualsiasi demo. Il primo è il numero di ore di funzionamento continuativo senza intervento umano dichiarate da un partner industriale: è la metrica che separa un pilota da un deployment. Il secondo è la trasferibilità, se lo stesso checkpoint regge su hardware di fornitori diversi senza mesi di raccolta dati, il costo di adozione crolla. Il terzo è l’apertura dei modelli VLA fuori dal programma early-access: finché il controllo motorio resta chiuso a una manciata di partner, l’ecosistema non può iterare né validare i risultati in modo indipendente. Su tutti e tre, per ora, Google non ha comunicato numeri.
Come leggerlo se lavori in azienda
Il pattern che funziona, nei casi documentati, è incrementale: un compito singolo prima, espansione dopo. Chi parte con un deployment multi-task fallisce con regolarità. È la stessa dinamica che abbiamo analizzato parlando di perché l’AI generativa spesso non genera ROI: la tecnologia raramente è il collo di bottiglia, lo sono il processo e le aspettative. E per chi si chiede cosa questo comporti sul piano occupazionale, vale la pena leggere la nostra riflessione su se l’AI sostituirà davvero il lavoro umano.
Fonti:
- Google DeepMind — Gemini Robotics 2 brings whole-body intelligence to robots
- blog.google — Gemini Robotics ER 2
- Google AI for Developers — scheda tecnica Gemini Robotics ER 2 preview
- Interesting Engineering — Google Gemini Robotics 2 humanoid control
- MarkTechPost — whole-body control, destrezza e collaborazione multi-robot
- Robotics & Automation News — Apptronik dimostra la whole-body AI
- Tech Times — un’unica policy per gambe, torso, braccia e dita
- Roland Berger — Humanoid Robots 2026 (report PDF)
- Robotics Center — analisi di mercato robot umanoidi 2026
Domande frequenti
Che differenza c'è tra Gemini Robotics 2 e Gemini Robotics ER 2?
Gemini Robotics 2 è il modello VLA che genera i movimenti del robot. ER 2 è il modello di ragionamento che pianifica i passaggi, verifica l'avanzamento e coordina più robot. Lavorano in coppia: ER 2 decide cosa fare, il VLA lo esegue.
Cosa significa VLA in robotica?
VLA sta per Vision-Language-Action: un modello che unisce percezione visiva, comprensione del linguaggio naturale e generazione di azioni motorie in un unico sistema. A differenza della robotica tradizionale, non passa da regole di controllo scritte a mano.
Gemini Robotics 2 è disponibile pubblicamente?
Solo parzialmente. ER 2 è accessibile in preview via API Gemini e Google AI Studio, con una private preview sulla Gemini Enterprise Agent Platform. Il modello VLA e On-Device 2 restano riservati a partner early-access selezionati.
Su quali robot funziona Gemini Robotics 2?
Le demo mostrano l'umanoide Apptronik Apollo 2 e il Franka Duo, con lo stesso checkpoint riutilizzato su piattaforme diverse. La versione On-Device 2 è stata adattata anche a robot Dexmate, SO101 e Trossen con meno di 200 esempi di addestramento.
