--- title: "DeepMind presenta Gemini Robotics 1.5: la IA “que piensa antes de actuar” para llevar agentes al mundo físico" description: "Google DeepMind ha dado un salto cualitativo en su apuesta por la robótica: Gemini Robotics 1.5 y Gemini Robotics-ER 1.5 , dos modelos que trabajan de forma complementaria para que un robot perciba, p..." url: https://revistacloud.com/deepmind-presenta-gemini-robotics-1-5-la-ia-que-piensa-antes-de-actuar-para-llevar-agentes-al-mundo-fisico/ date: 2025-10-02 modified: 2025-09-28 author: "Antonio" image: https://revistacloud.com/wp-content/uploads/2025/09/google-gemini-robotics.jpeg categories: ["Inteligencia artificial", "Noticias"] tags: ["Gemini", "google", "robotics", "robots"] type: post lang: es --- # DeepMind presenta Gemini Robotics 1.5: la IA “que piensa antes de actuar” para llevar agentes al mundo físico [Google DeepMind](https://revistacloud.com/google-lanza-gemini-2-5-su-modelo-de-inteligencia-artificial-mas-avanzado-hasta-la-fecha/) ha dado un salto cualitativo en su apuesta por la robótica: **Gemini Robotics 1.5** y **Gemini Robotics-ER 1.5**, dos modelos que trabajan de forma complementaria para que un robot **perciba, planifique, piense, use herramientas y actúe** en tareas físicas **complejas y multietapa**. La compañía sitúa este lanzamiento como un **hito hacia la AGI en el mundo físico**, con un enfoque claro en **transparencia**, **seguridad** y **generalización** entre diferentes “cuerpos” robóticos. El planteamiento es sencillo de explicar y difícil de lograr: cuando se pide a un robot **ordenar una colada por colores** o **clasificar residuos** según **normas locales**, no basta con reconocer objetos. Debe **entender el contexto**, **consultar información relevante** (por ejemplo, **buscar en Internet** la guía municipal de reciclaje), **desglosar la tarea en pasos** y **ejecutarlos** con control de movimiento robusto. Para ello, DeepMind presenta **dos cerebros** que se reparten el trabajo: un **planificador deliberativo** y un **ejecutor con reflexión interna**. ## Dos modelos, un agente: pensar y actuar con transparencia - **Gemini Robotics-ER 1.5 (VLM)** es el **modelo de razonamiento encarnado**. Funciona como **“cerebro de alto nivel”**: **planifica** en lenguaje natural, **toma decisiones lógicas** en entornos físicos y **llama herramientas** de forma nativa (como la **búsqueda**) para **recabar datos externos** o invocar **funciones definidas por el usuario**. Además, **estima progreso y probabilidad de éxito** y alcanza **resultados punteros** en una **batería de 15 benchmarks** académicos de **razonamiento espacial** inspirados en casos reales. - **Gemini Robotics 1.5 (VLA)** es el **modelo de visión-lenguaje-acción**. **Traduce** las instrucciones del planificador a **comandos motores**, guiándose por **entrada visual** para ejecutar cada paso. La novedad esencial: **piensa antes de actuar**. El modelo **genera una secuencia interna de razonamiento en lenguaje natural** —un “diálogo” consigo mismo— que **explica su proceso** y **mejora la resolución** de tareas semánticamente complejas. Esto aporta **explicabilidad**: el sistema puede **mostrar** cómo ha llegado a cada decisión. En conjunto, este **marco agentico** (razonar-planificar-actuar con **uso de herramientas**) **aumenta la capacidad de generalización** frente a tareas más largas y entornos diversos, evitando el patrón clásico de “una instrucción, un movimiento” propio de generaciones anteriores. ## Del ejemplo cotidiano a la complejidad: del cubo de la colada al punto limpio DeepMind ilustra el enfoque con escenarios cercanos. Si se ordena **“separa mi ropa por colores”**, el **planificador** entiende que **blanco** va a un **contenedor** y **colores** a otro; **descompone pasos** (localizar prenda roja, acercarla, agarrarla, depositarla en el cubo negro) y **valida el progreso**. Si la tarea es **“clasifica estos objetos en orgánico, reciclaje y resto según mi ubicación”**, el sistema **consulta** la **normativa local**, **identifica** los objetos y **ejecuta** los movimientos necesarios para **completar** el proceso. En ambos casos, el **VLA** **“piensa”** microestrategias antes de mover el robot, segmentando tareas largas en **tramos cortos** más seguros y fiables. ## Transferencia entre “cuerpos”: aprende una vez, ejecuta en muchos Una barrera clásica de la robótica es que **cada plataforma** —con distinta cinemática, sensores y grados de libertad— requiere **modelos específicos**. DeepMind asegura que **Gemini Robotics 1.5** demuestra una **capacidad notable de aprendizaje cruzado entre encarnaciones**: **destrezas entrenadas** con un sistema (por ejemplo, el **bimanual ALOHA 2**) pueden **funcionar** en otros formatos como el **humanoide Apollo** o un **Franka de doble brazo**, **sin ajuste especializado**. Esta **transferencia** **acelera** el aprendizaje de habilidades y **abarata** la puesta en producción al **reutilizar políticas** entre robots. ## Qué está disponible y para quién - **Gemini Robotics-ER 1.5**: **disponible desde hoy** para **desarrolladores** a través de **Gemini API** en **Google AI Studio**. Permite **generar planes** y **secuencias de acciones** detalladas para proyectos robóticos, con un **“presupuesto de pensamiento”** configurable que equilibra **latencia** y **calidad**. - **Gemini Robotics 1.5**: el **modelo de acción** se encuentra **acotado** a **socios seleccionados** y **programas de probadores de confianza**. Es el componente que **controla** robots reales y, por tanto, requiere **validaciones de seguridad** y **responsabilidad** más estrictas antes de una apertura general. Este **desfase de disponibilidad** tiene sentido: **planificar** es **menos riesgoso** que **mover** hardware en entornos no controlados. Aun así, la apertura del **planificador ER** ya permite a la comunidad **explorar** agentes físicos con **mayor deliberación** y **explicabilidad**. ## “Pensar antes de actuar”: precisión, latencia y explicabilidad El **pensamiento intermedio** **mejora** la tasa de éxito en tareas complejas, pero **cuesta tiempo**. Por eso, el sistema introduce un **“thinking budget”** regulable: más **deliberación** para **misiones largas** (por ejemplo, preparar una maleta en función de la **previsión del tiempo**) o menos para **acciones reactivas** (abrir-cerrar, coger-soltar). La **trazabilidad** del razonamiento —en **texto legible**— es clave para **auditar** decisiones, **depurar** fallos y **alinear** el comportamiento con **normas de seguridad** y **políticas de diálogo**. ## Seguridad y responsabilidad: ASIMOV y controles en capas DeepMind acompaña el anuncio con avances en **seguridad semántica** y **alineamiento**. El desarrollo ha estado supervisado por equipos internos de **responsabilidad** y un **Consejo de Seguridad**, y se actualiza el **benchmark ASIMOV** para evaluar **entendimiento de seguridad** y **adhesión a restricciones físicas** con **mejor cobertura de casos raros**, **nuevos tipos de preguntas** y **modalidades de vídeo**. En estas evaluaciones, **Gemini Robotics-ER 1.5** muestra **desempeño puntero**, y su **capacidad de “pensar”** contribuye a **entender riesgos** y **respetar** mejor las **limitaciones de seguridad**. En ejecución, **Gemini Robotics 1.5** incorpora una **seguridad holística por capas**: **razona** sobre **seguridad** antes de actuar a nivel semántico, **alinea** la conversación con **políticas existentes** y **dispara** subsistemas **de bajo nivel** (p. ej., **evitar colisiones**) a bordo cuando es necesario. La filosofía: **prevenir** a nivel alto, **mitigar** a nivel bajo. ## Qué cambia para la comunidad robótica 1. **Arquitectura agentica** clara: **planificador deliberativo + ejecutor con reflexión interna**, ambos **multimodales** y **basados en la familia Gemini**. 2. **Generalización**: mayor **robustez** en **tareas largas** y **entornos variados**; **transferencia** entre **plataformas** sin tuning específico. 3. **Herramientas nativas**: el **ER** **invoca** búsquedas y **funciones externas** para **ampliar** el espacio de acción sin reentrenar. 4. **Gobernanza**: **pensamiento legible** en lenguaje natural que **facilita auditorías**, **validaciones** y, potencialmente, **certificación** de uso en **entornos sensibles**. ## Un hito… con los pies en el suelo El discurso es ambicioso —**agentes físicos generalistas**—, pero el equipo y la comunidad coinciden en dos realidades: - **Progreso tangible** en **razonamiento físico**, **planificación** y **explicabilidad**, con **mejoras** en **transferencia** entre robots. - **Retos abiertos** en **destreza fina**, **robustez fuera del laboratorio**, **seguridad operacional** y **aprendizaje con pocos ejemplos** en entornos caóticos. Dicho de otro modo: **no** habrá **robots domésticos** plegando y guardando la ropa **mañana**; pero sí **mejor desempeño** allí donde la **planificación multietapa**, la **comprensión del espacio** y la **transparencia** del proceso **marcan la diferencia**: **logística ligera**, **laboratorio**, **salud**, **manufactura flexible** o **servicios** con **interacción estructurada**. ## Desarrollo hoy: cómo empezar de forma segura Quien experimente con robótica puede **arrancar** con **Gemini Robotics-ER 1.5**: **enviar imágenes** del entorno, **solicitar planes** por pasos y **ajustar** el **presupuesto de pensamiento**. Las **mejores prácticas** pasan por **interponer** un **intérprete** que **revise** acciones antes de ejecutarlas, **simular** en un **gemelo digital** y **medir** de extremo a extremo (latencias **p95/p99**, **jitter**, **tasa de éxito por subpaso**). Cuando el **modelo de acción** esté disponible ampliamente, los mismos principios —sumados a **bloqueos de seguridad**— serán la base de una **operación responsable**. ## El encaje en la carrera por los agentes físicos Universidades y empresas compiten por el **agente que une percepción, lenguaje y control**. La propuesta de DeepMind se apalanca en la **madurez multimodal** de Gemini y la **especialización** por datos para **mundo físico**. El **techo** del sistema dependerá de la **calidad** y **diversidad** de **datos multirrobot**, de **métricas de seguridad** realistas y de **costes** de hardware capaces de **escalar** más allá de demos. ## Un avance hacia la AGI… con trazabilidad El equipo enmarca Gemini Robotics 1.5 como un **paso fundacional** hacia **robots capaces de razonar y generalizar** en **entornos complejos**. La **diferencia** no está solo en **acertar más**, sino en **explicar mejor**: **mostrar** la **cadena de razones** **antes** de mover el brazo. Para un sector que **debe certificar** comportamientos y **rendir cuentas** de riesgos, esa **trazabilidad** puede ser tan importante como la **precisión**. --- ## Preguntas frecuentes **¿Qué es Gemini Robotics-ER 1.5 y para qué sirve en robótica?** Es el **modelo de razonamiento “encarnado”** que **planifica** en **lenguaje natural**, **llama herramientas** (como la búsqueda) y **orquesta** la misión por **pasos**. Ayuda a que un robot **entienda el contexto**, **estime progreso** y **seleccione estrategias** antes de ejecutar. **¿En qué se diferencia Gemini Robotics 1.5 de un VLA tradicional?** Es un **VLA** que **“piensa antes de actuar”**: genera **razonamientos internos** legibles que **explican** cómo afronta cada subpaso, **segmenta** tareas largas y **usa visión** para **guiar** el movimiento. Esa **explicabilidad** mejora la **robustez** y **facilita auditorías**. **¿Puedo usar hoy estos modelos en un proyecto?** El **planificador** **Gemini Robotics-ER 1.5** está **disponible** vía **API** para **desarrolladores**; el **modelo de acción** **Gemini Robotics 1.5** se ofrece **solo** a **socios** y **probadores de confianza**. La vía práctica es **prototipar** con el **ER** y **validar** en **simulación** antes de mover un robot real. **¿Qué avances hay en seguridad y cómo se evalúan?** DeepMind ha actualizado el **benchmark ASIMOV** para **seguridad semántica** y **física**, y reporta **rendimiento puntero** del **ER**. Además, el **VLA** integra **razonamiento de seguridad** de alto nivel y **subsistemas de protección** a bordo (p. ej., **evitar colisiones**). **¿Puede el sistema aprender en un robot y ejecutar en otro?** Sí: **demuestra transferencia** entre **encarnaciones** (por ejemplo, de **ALOHA 2** a **Apollo** o a un **Franka bimanual**) **sin tuning dedicado**, acelerando el **aprendizaje** y **reduciendo costes** de despliegue. --- vía: [Noticias inteligencia artificial](https://noticias.ai/google-deepmind-robotics/)