Gemini Robotics ER 2: DeepMind apuesta por orquestación de robots múltiples nativa en video

La actualización ER 2 de DeepMind impulsa el razonamiento incorporado hacia la comprensión de vídeo y la coordinación a nivel de flota: la carrera de fundaciones incorporadas obtiene su hito con marca Google.

En términos sencillos. Google DeepMind lanzó Gemini Robotics ER 2, añadiendo comprensión de vídeo, orquestación de tareas y colaboración multirobot a su pila de embodiment. El paso de demostración de un solo brazo a razonamiento a nivel de flota es la verdadera noticia, y sitúa a Alphabet visiblemente de nuevo en la carrera de fundamentos de embodiment.

Dónde encaja esto

El hilo de fundamentos de embodiment ha sido impulsado, hasta ahora, por tres actores: NVIDIA GR00T, Xiaomi Robotics-U0 de China (38B, código abierto) y la apuesta de X-Square Robot por la infraestructura. La línea ER de Alphabet era la sorpresa. ER 2 es DeepMind reafirmando que está en la carrera.

Bajo el capó

Según el anuncio, ER 2 enfatiza tres aspectos concretos:

• Comprensión de vídeo - razonamiento sobre secuencias, no sobre fotogramas individuales. Esto es lo que realmente necesita la manipulación de largo alcance.
• Orquestación de tareas - descomponer un objetivo en lenguaje natural en subobjetivos que un controlador pueda ejecutar.
• Colaboración multirobot - comportamiento coordinado entre más de una plataforma.

Los dos primeros siguen la dirección pública del sector desde 2025. El tercero es donde reside la diferenciación. Coordinar dos brazos en un mismo robot es un problema de control; coordinar dos robots en un mismo trabajo es un problema de sistemas: modelo compartido del mundo, comunicación, resolución de conflictos.

Lo que aún no sabemos

El anuncio no publica comparativas directas contra GR00T o RT-2 en las mismas tareas, ni cuantifica la "colaboración" (latencia, horizonte de coordinación, modos de fallo). Trátese como capacidad anunciada, no probada, hasta que terceros la reproduzcan.

Entonces, ¿qué?

Para un decisor: esto es una señal fuerte de que la pila de embodiment está siguiendo el patrón de los LLM: una infraestructura única, adaptable a diferentes formatos. Presupuesten en consecuencia para un mercado donde la capa de middleware se colapse en una llamada al modelo. Para un desarrollador: observen la superficie de la API. Si ER 2 es accesible fuera de los equipos internos de robótica de Alphabet, el punto de integración para la automatización física podría cambiar en dieciocho meses. Para el hilo: la división visible ahora es entre el impulso de código cerrado de Google en la cima y la apuesta de código abierto de Xiaomi (Robotics-U0) en la base. Si esa división se amplía —con más laboratorios chinos eligiendo la ruta de código abierto como hizo Xiaomi— será la historia a seguir hasta finales de 2026.