L’intelligenza artificiale generativa ha conquistato computer, smartphone e motori di ricerca, ma la prossima competizione si gioca nello spazio fisico. Con il lancio di Gemini Robotics 2, Google DeepMind compie un passo significativo verso una nuova fase dell’automazione, annunciando un modello capace di controllare l’intero corpo di un robot umanoide. Se la versione precedente era limitata soprattutto ai movimenti della parte superiore del corpo, la nuova architettura coordina gambe, braccia, mani e dita in un’unica rappresentazione cognitiva, consentendo movimenti complessi come camminare, accovacciarsi, allungarsi e manipolare oggetti con una precisione sensibilmente superiore.
Il cambiamento può sembrare incrementale osservando i video dimostrativi, ma sul piano tecnologico rappresenta un’evoluzione importante. Coordinare decine di gradi di libertà in tempo reale è uno dei problemi più difficili della robotica moderna. Ogni movimento richiede una continua elaborazione di percezione visiva, equilibrio dinamico, pianificazione e controllo motorio. Integrare queste capacità all’interno di un unico modello multimodale significa ridurre la distanza tra comprensione del linguaggio e azione fisica, trasformando il robot in un sistema capace non solo di interpretare istruzioni, ma di tradurle direttamente in sequenze motorie coerenti.
Nei test mostrati da Google DeepMind, il robot Apollo 2 sviluppato da Apptronik raccoglie un annaffiatoio da terra, individua oggetti specifici su uno scaffale e li preleva senza richiedere programmazioni dedicate per ogni singola operazione. Sono attività apparentemente banali per un essere umano, ma estremamente impegnative per una macchina. L’ambiente reale è infatti imprevedibile, ricco di variabili e di piccole differenze che rendono insufficiente la robotica tradizionale basata su sequenze rigidamente predefinite.
Un altro elemento rilevante riguarda la destrezza delle mani. Gemini Robotics 2 introduce un controllo molto più sofisticato di manipolatori a cinque dita, consentendo operazioni che richiedono precisione fine, come chiudere una busta con chiusura ermetica, annodare un sacchetto della spazzatura oppure svitare una lampadina. Sono esempi scelti non casualmente. La maggior parte degli ambienti costruiti dall’uomo è progettata proprio per mani umane, non per pinze industriali. Più un robot acquisisce abilità manuali comparabili a quelle umane, maggiore diventa il numero di contesti nei quali può operare senza modificare infrastrutture, strumenti o processi produttivi.
Parallelamente Google DeepMind aggiorna anche Gemini Robotics ER 2, il modello dedicato all’Embodied Reasoning, cioè alla capacità del robot di comprendere il contesto circostante, interpretare istruzioni articolate e pianificare attività composte da più fasi consecutive. L’aspetto più interessante non è soltanto l’aumento delle prestazioni, ma il fatto che il sistema riconosca l’inizio e la conclusione di un’attività, mantenendo memoria operativa durante l’intero processo. Questa caratteristica è fondamentale per qualsiasi applicazione industriale, logistica o domestica, nella quale un compito raramente consiste in un’unica azione isolata.
L’aggiornamento introduce inoltre una forma più evoluta di collaborazione tra robot differenti. Nei test dimostrativi un robot umanoide coordina un sistema a doppio braccio durante le operazioni di riordino di un garage, distribuendo i compiti e sincronizzando le attività. Questo approccio richiama il concetto di sistemi multi-agente che ha dominato il dibattito sull’intelligenza artificiale negli ultimi due anni. La differenza sostanziale è che, in questo caso, gli agenti non si limitano a scambiarsi informazioni digitali, ma trasformano quella cooperazione in movimenti concreti nello spazio fisico.
La sicurezza rimane inevitabilmente uno degli aspetti più delicati. Google DeepMind definisce Gemini Robotics ER 2 il proprio modello robotico più sicuro finora sviluppato. Il sistema migliora il riconoscimento della presenza umana, attiva automaticamente procedure di sicurezza e arresta il robot quando una persona entra troppo vicino nell’area operativa. È un requisito essenziale se la robotica umanoide intende uscire dai laboratori per entrare in fabbriche, magazzini, ospedali e abitazioni. Nessun responsabile industriale adotterà robot capaci di eseguire movimenti sofisticati se questi non saranno accompagnati da livelli di affidabilità certificabili.
Particolarmente significativa è anche l’evoluzione del modello Gemini Robotics On Device, progettato per funzionare direttamente a bordo del robot senza dipendere dalla connessione Internet. In un’epoca nella quale gran parte dell’intelligenza artificiale viene eseguita nel cloud, riportare l’elaborazione sul dispositivo rappresenta una scelta strategica. Riduce la latenza, aumenta la resilienza operativa e rende possibili applicazioni in ambienti nei quali la connettività è limitata o dove i requisiti di sicurezza impediscono l’invio continuo dei dati verso infrastrutture remote.
L’annuncio conferma una trasformazione ormai evidente nell’intero settore tecnologico. Per oltre un decennio la competizione si è concentrata sull’elaborazione del linguaggio, sulla generazione di immagini e sull’assistenza virtuale. Oggi l’attenzione si sta spostando verso l’intelligenza fisica, nella quale modelli multimodali devono comprendere il mondo e modificarlo attraverso sensori, attuatori e controllo motorio. Non è un caso che Google, Nvidia, Tesla, Figure AI, Apptronik e numerosi altri protagonisti del settore abbiano intensificato gli investimenti nella robotica umanoide. Il valore economico non risiede soltanto nel software, ma nella possibilità di automatizzare attività che fino a ieri richiedevano necessariamente la presenza di operatori umani.
Naturalmente la distanza tra dimostrazioni controllate e diffusione commerciale resta considerevole. La velocità dei movimenti è ancora inferiore a quella umana, l’affidabilità dovrà essere verificata su milioni di ore operative e i costi rimangono elevati. Tuttavia il ritmo di avanzamento appare molto più rapido rispetto a quanto osservato nella robotica tradizionale. L’integrazione tra modelli linguistici, percezione visiva e controllo motorio sta creando una piattaforma tecnologica comune che consente miglioramenti continui senza riprogettare completamente ogni nuova generazione di robot.
Per molti anni si è sostenuto che l’intelligenza artificiale avrebbe trasformato soprattutto il lavoro cognitivo. L’evoluzione di Gemini Robotics suggerisce uno scenario diverso, nel quale la frontiera successiva riguarda la capacità delle macchine di interagire fisicamente con il mondo costruito dagli esseri umani. Se questa traiettoria continuerà con la stessa velocità osservata negli ultimi mesi, il dibattito non riguarderà più soltanto quale modello scrive meglio un documento o genera codice più efficiente, ma quale piattaforma sarà in grado di coordinare milioni di movimenti reali in sicurezza, affidabilità e autonomia. È in quella dimensione, molto più che nelle chatbot, che potrebbe formarsi il prossimo mercato da migliaia di miliardi di dollari.