Gemini Robotics ER 2: qué es, capacidades y para qué sirve
Gemini Robotics ER 2 es un modelo de Google DeepMind diseñado para que robots y agentes físicos comprendan su entorno, razonen sobre objetos y espacios, planifiquen tareas de varios pasos y coordinen herramientas o múltiples robots. Funciona como una capa de razonamiento de alto nivel para sistemas robóticos.
¿Qué es Gemini Robotics ER 2?
Gemini Robotics ER 2 es un modelo de razonamiento incorporado para robótica. Puede interpretar texto, imágenes, video y audio, comprender relaciones espaciales, analizar el progreso de tareas, organizar herramientas y coordinar varios robots. Su función principal es actuar como una capa de razonamiento entre la percepción del entorno y la ejecución física.
Características principales de Gemini Robotics ER 2
El modelo combina comprensión multimodal con capacidades específicas para razonar sobre entornos físicos y tareas robóticas.
Razonamiento espacial
Puede comprender posiciones, trayectorias, objetos y relaciones dentro de un espacio físico.
Comprensión de video
Analiza secuencias visuales para interpretar acciones, progreso y resultados dentro de tareas robóticas.
Planificación de varios pasos
Puede dividir una tarea compleja en una secuencia ordenada de acciones antes de delegar su ejecución.
Coordinación multi-robot
Permite razonar sobre varios robots y asignar tareas según sus capacidades físicas y el objetivo compartido.
Uso de herramientas
Puede organizar llamadas a funciones, herramientas y APIs dentro de workflows robóticos de varios pasos.
Multimodal
Acepta texto, imágenes, video y audio, lo que permite combinar percepción visual, contexto y lenguaje.
Especificaciones de Gemini Robotics ER 2
Google ofrece actualmente una versión estándar y una variante orientada a streaming para agentes robóticos de baja latencia.
| Característica | Gemini Robotics ER 2 |
|---|---|
| Model ID | gemini-robotics-er-2-preview |
| Estado | Preview |
| Base del modelo | Gemini 3.5 Flash |
| Entrada | Texto, imagen, video y audio |
| Salida | Texto |
| Contexto de entrada | 131.072 tokens |
| Máximo de salida | 65.536 tokens |
| Function calling | Compatible |
| Code execution | Compatible |
| Computer Use | Compatible |
| Search grounding | Compatible |
| Google Maps grounding | Compatible |
| Structured outputs | Compatible |
| Thinking | Compatible |
Funciona como un cerebro de alto nivel para robots
Gemini Robotics ER 2 no necesita controlar directamente cada movimiento del robot. Puede comprender la situación, decidir qué debe ocurrir y entregar el plan a un modelo VLA o sistema de control de nivel inferior.
Comprende el entorno
Analiza cámaras, video, audio y contexto para entender la situación.
Planifica la tarea
Decide qué pasos deben completarse y en qué orden.
Coordina la ejecución
Entrega las acciones a sistemas robóticos, herramientas o modelos VLA.
¿Para qué sirve Gemini Robotics ER 2?
El modelo está diseñado para situaciones donde un robot necesita comprender el entorno antes de actuar.
Manipulación de objetos: identificar posiciones, relaciones y posibles trayectorias antes de ejecutar una acción física.
Planificación robótica: dividir objetivos complejos en secuencias de tareas coordinadas.
Colaboración multi-robot: distribuir trabajo entre varios robots según sus capacidades.
Comprensión de progreso: analizar video para determinar si una tarea avanza correctamente o ya fue completada.
Lectura de instrumentos: interpretar medidores, paneles y otra información visual presente en entornos físicos.
Interacción humano-robot: comprender instrucciones humanas y convertirlas en planes adecuados para ejecución física.
Qué significa razonamiento espacial en robótica
Para actuar en el mundo físico, un robot necesita entender dónde están los objetos y cómo se relacionan con su propio cuerpo y con el entorno.
Detección: localizar objetos dentro de la escena.
Seguimiento: observar cómo cambian de posición a lo largo del tiempo.
Relaciones: comprender qué está delante, detrás, arriba, debajo o próximo a otro objeto.
Trayectorias: razonar sobre posibles caminos antes de realizar una acción.
Puede analizar el progreso de una tarea robótica
ER 2 incorpora capacidades específicas para interpretar secuencias de video relacionadas con acciones físicas.
Moment search
Puede localizar momentos relevantes dentro de una secuencia de video extensa.
Progress classification
Puede estimar en qué etapa se encuentra una tarea observando el video.
Success detection
Puede ayudar a determinar si la acción terminó correctamente.
Coordinación de varios robots
Algunas tareas pueden resultar demasiado complejas para un único robot. ER 2 puede razonar sobre las capacidades disponibles y distribuir el trabajo.
Identifica capacidades: reconoce qué robot puede realizar mejor una acción determinada.
Divide la misión: separa un objetivo amplio en tareas más pequeñas.
Asigna responsabilidades: delega acciones según las fortalezas físicas de cada robot.
Coordina resultados: combina las acciones para completar el objetivo común.
Un robot podría transportar un objeto, mientras otro abre una puerta o prepara el espacio necesario para completar la misión.
Gemini Robotics ER 2 vs un modelo VLA
El razonamiento incorporado y el control motor cumplen funciones diferentes dentro de un robot.
| Función | Robotics ER 2 | Modelo VLA |
|---|---|---|
| Comprensión de entorno | Principal | Compatible |
| Planificación | Principal | Más local |
| Razonamiento de varios pasos | Sí | Depende del modelo |
| Control motor | No directo | Principal |
| Objetivo | Decidir qué hacer | Ejecutar la acción física |
ER 2 puede actuar como el cerebro que decide el plan general, mientras un modelo Vision-Language-Action traduce ese plan en movimientos concretos.
Gemini Robotics ER 2 Streaming
Google ofrece una segunda variante orientada a agentes robóticos que necesitan procesar información continuamente y reaccionar con baja latencia.
Endpoint para agentes robóticos en tiempo real
La versión streaming utiliza:
gemini-robotics-er-2-streaming-preview
| Aspecto | ER 2 estándar | ER 2 Streaming |
|---|---|---|
| Model ID | gemini-robotics-er-2-preview | gemini-robotics-er-2-streaming-preview |
| Live API | No | Sí |
| Function calling | Sí | Sí |
| Code execution | Sí | No |
| Computer Use | Sí | No |
| Uso principal | Razonamiento completo | Agentes de baja latencia |
Funciones disponibles en Robotics ER 2
El endpoint estándar admite varias herramientas del ecosistema Gemini.
Function calling: conecta el razonamiento con APIs y controladores robóticos.
Code execution: permite utilizar código dentro de determinados procesos de razonamiento.
Computer Use: permite interactuar con interfaces compatibles.
File Search: puede recuperar información desde archivos disponibles.
Search grounding: puede utilizar información procedente de Google Search.
Google Maps: admite grounding con información geográfica.
Cómo identificar Gemini Robotics ER 2
Actualmente Google mantiene el modelo en estado preview.
Endpoint estándar
Para razonamiento robótico general utiliza:
gemini-robotics-er-2-preview
Endpoint de baja latencia
Para agentes robóticos que utilizan Live API:
gemini-robotics-er-2-streaming-preview
Ninguna de estas dos variantes está marcada actualmente como estable. Por ello, conviene revisar la documentación antes de utilizar estos endpoints en sistemas críticos.
Consulta nuestra guía general para conocer modelos, endpoints y conceptos de integración.
Ver Gemini API →Gemini Robotics ER 1.6 vs ER 2
Google recomienda actualizar las implementaciones anteriores hacia la nueva generación ER 2.
| Aspecto | ER 1.6 | ER 2 |
|---|---|---|
| Generación | Anterior | Actual |
| Comprensión de video | Avanzada | Mejorada |
| Multi-robot | Limitado | Mayor enfoque |
| Planificación de varios pasos | Sí | Mejorada |
| Streaming | No específico | Endpoint dedicado |
Google indica que los usuarios de Robotics ER 1.6 deben migrar a ER 2 utilizando el endpoint estándar o la variante streaming según el caso.
Documentación oficial de Gemini Robotics ER 2
Google mantiene una guía específica para las capacidades de razonamiento físico, streaming y coordinación robótica.
Gemini Robotics ER
Consulta allí los endpoints, funciones disponibles, ejemplos y capacidades relacionadas con robótica.
Consultar documentación oficial →Guías relacionadas con Gemini
Continúa explorando modelos generales y especializados del ecosistema de Google.
FAQ sobre Gemini Robotics ER 2
Respuestas rápidas sobre robótica, razonamiento físico y endpoints disponibles.
Es un modelo de razonamiento incorporado para robótica que comprende entornos físicos, planifica tareas y coordina herramientas o múltiples robots.
El endpoint estándar es gemini-robotics-er-2-preview.
No. Google lo mantiene actualmente en estado Preview.
No necesariamente. ER 2 actúa principalmente como capa de razonamiento y puede delegar la ejecución motora a un modelo VLA de nivel inferior.
Sí. Google destaca la coordinación multi-robot como una de las capacidades importantes de ER 2.
Sí. Gemini Robotics ER 2 Streaming utiliza el endpoint gemini-robotics-er-2-streaming-preview y funciona mediante Live API.
Google indica que Gemini Robotics ER 2 está basado en Gemini 3.5 Flash.
Compara todos los modelos Gemini
Robotics ER 2 representa la rama de razonamiento físico del ecosistema. Revisa también los modelos de texto, audio, embeddings y generación multimodal.
Ver todos los modelos Gemini →