“Il nostro obiettivo è portare l'IA nel mondo fisico e costruire il livello di intelligenza che può essere utilizzato da ogni robot, da quello che è su Marte a quello che sta facendo il tuo bucato”. Carolina Parada, che dirige la robotica di Google DeepMind, riassume così un'ambizione che fino a poco tempo fa sarebbe suonata come fantascienza.
Ora ha un nome.
Google DeepMind ha annunciato Gemini Robotics 2, la nuova famiglia di modelli di intelligenza artificiale progettata per dare un cervello ai robot. Il salto rispetto alla generazione precedente è evidente: fino a ieri i modelli del laboratorio londinese controllavano bracci meccanici collocati su un tavolo; ora muovono un intero umanoide, Apollo 2 di Apptronik.
Il robot cammina e si accovaccia. Può cambiare una lampadina, annodare un sacco della spazzatura e piegarsi per raccogliere una borsa dal pavimento. Riesce a farlo anche quando qualcuno sposta la borsa per metterlo alla prova, adattando i propri piani ai cambiamenti dell’ambiente.
Un robot che “pensa” prima di muoversi
Per capire che cosa ci sia dietro l’annuncio, abbiamo parlato direttamente con tre dei ricercatori alla guida del progetto: Carolina Parada, responsabile della divisione robotica di Google DeepMind; Kanishka Rao, Director of Robotics; e Vikas Sindhwani, research scientist a capo della sicurezza robotica del laboratorio.
Parada chiarisce subito il problema che il team sta cercando di risolvere. I robot industriali esistono da decenni, ma "sono stati costruiti principalmente per eseguire singole sequenze di compiti pre-programmati in ambienti controllati", spiega. "Quando li si porta in un ambiente completamente nuovo, davanti a oggetti e compiti mai incontrati prima, smettono di funzionare".
Il lavoro di DeepMind segue la direzione opposta: mettere i robot nelle condizioni di "ragionare" sull’ambiente circostante, imparare da ciò che osservano e scegliere le azioni più appropriate.
L’obiettivo è costruire un livello di intelligenza universale, indipendente dall’hardware su cui viene installato. Parlando di Gemini Robotics 2, Parada tiene a sottolineare un dettaglio tutt’altro che scontato nel mondo delle dimostrazioni robotiche: tutti gli umanoidi mostrati nei video pubblicati da Google per l’annuncio del nuovo modello "sono completamente autonomi, sia quando parlano e interagiscono, sia quando agiscono, e sono controllati dai nostri modelli di intelligenza artificiale più recenti".
Nessun operatore, dunque, li controlla a distanza.
Tre modelli, un solo cervello
Gemini Robotics 2 è in realtà una famiglia composta da tre modelli, che possono essere utilizzati insieme oppure separatamente.
Il primo, che dà il nome all’intera famiglia, è un modello VLA, cioè vision-language-action: riceve istruzioni in linguaggio naturale insieme alle immagini e traduce queste informazioni direttamente nei comandi motori del robot.
Il secondo, Gemini Robotics ER 2, è il modello dedicato al ragionamento incarnato, quello che Parada definisce "il cervello di alto livello del sistema". "Comprende l’ambiente e le persone", aggiunge Parada. "Poi suddivide il compito in più passaggi e ne monitora l’avanzamento nel tempo".
Il terzo, Gemini Robotics On-Device 2, funziona interamente a bordo del robot, senza bisogno di una connessione a internet. È progettato per adattarsi in poche ore a diversi tipi di robot bimanuali.
Dalla testa ai piedi, fino alla punta delle dita
La novità tecnica più interessante, come accennato, è il controllo intelligente dell’intero corpo.
Kanishka Rao, che ha guidato questa parte del lavoro, la racconta con entusiasmo: "Gemini fa il suo ingresso nel mondo fisico, in modo piuttosto letterale". Il movimento di un umanoide, spiega, richiede un esercizio continuo di equilibrio: "Devi coordinare tutte le articolazioni del corpo tenendo conto dell’equilibrio e dello slancio, mentre l’ambiente intorno a te cambia. Tutto avviene contemporaneamente e in tempo reale".
Gemini Robotics 2 moves physical AI beyond tabletop tasks, enabling intelligent whole-body control for humanoids.
Watch @Apptronik's Apollo 2 process a single prompt to reach, bend, and pick up a watering can ↓ pic.twitter.com/nBm3IEoI7i
— Google DeepMind (@GoogleDeepMind) July 30, 2026
Per Rao, il test più significativo riguarda la capacità di reagire agli imprevisti. In una delle dimostrazioni, il robot riceve l’ordine di raccogliere una borsa dal pavimento. Mentre si avvicina, i ricercatori la spostano. "Il robot si accorge di ciò che è successo, individua la nuova posizione della borsa e riesce ad adattarsi. Cammina verso la borsa, la raccoglie e completa il compito". Un comportamento banale per un essere umano, finora quasi impossibile per una macchina programmata per eseguire sequenze predefinite di movimenti.
L’importanza della destrezza
Il secondo fronte è quello della destrezza. Il nuovo modello controlla mani robotiche Schunk, ciascuna dotata di 22 gradi di libertà. I compiti scelti per metterlo alla prova sembrano presi da una lista di faccende domestiche: chiudere un sacchetto della spazzatura, svitare una lampadina e inserire alcuni acini d’uva in un sacchetto con chiusura a zip.
"Le mani umane sono tra gli strumenti più complessi che la natura abbia mai prodotto", osserva Rao. Chiudere il sacchetto della spazzatura "richiede una precisione estremamente delicata", perché si lavora con materiali "fragili e deformabili". Il movimento coinvolge insieme le mani e le braccia, oltre al busto e alla testa.
L’esperimento con l’uva è forse il più rivelatore, perché mostra il modello mentre cambia strategia durante l’esecuzione. Il robot fatica a spingere gli acini nel sacchetto. "A un certo punto si rende conto che la strategia non sta funzionando e la cambia: tiene semplicemente il sacchetto aperto e lascia cadere l’uva al suo interno, perché capisce che gli acini cadranno da soli".
Alla domanda sul perché il robot risolva alcuni compiti con movimenti diversi da quelli di un essere umano, Rao offre una risposta semplice: "Queste mani sono ancora più grandi del 20-30% rispetto alla mano umana media. Di conseguenza, il modo in cui affrontano un compito è leggermente diverso".
Il test del sacchetto della spazzatura, ammette, "era una vera e propria cartina di tornasole: spingi l’hardware fino al limite e osservi se i modelli riescono a gestirlo".
Robot che lavorano in squadra
La capacità inedita di Gemini Robotics 2 riguarda anche la collaborazione tra robot diversi. In una dimostrazione, l’umanoide Apollo e un robot bimanuale da tavolo chiamato Duo riordinano insieme un garage, commentando a voce le azioni dell’altro. Una scena surreale e al tempo stesso straordinaria da osservare.
"Possono vedersi a vicenda", sottolinea Rao, che inserisce questa funzione in una tendenza più ampia dell’intelligenza artificiale: "Quest’anno abbiamo assistito a una sorta di rivoluzione degli agenti autonomi nel mondo digitale. Stiamo portando, in sostanza, la stessa tecnologia nel mondo fisico. Possiamo quindi pensare a questi robot come ad agenti fisici".
C’è poi la questione dell’adattamento. Secondo Rao, Gemini Robotics 2 può essere trasferito su un robot mai visto prima "nel giro di poche ore, a volte con meno di 200 episodi" di addestramento. Nei materiali diffusi per l’annuncio compaiono bracci robotici che impilano libri e giocano a scacchi, tutti controllati dallo stesso modello.
Riguardo i sensori, l’approccio resta minimalista: il sistema utilizza soltanto immagini RGB, senza ricorrere a lidar o telecamere di profondità. Parada precisa però che il livello agenziale "può controllare una combinazione di strumenti diversi" e sfruttare, per esempio, il lidar installato a bordo di Apollo per la navigazione.
La sicurezza come imbuto
A Vikas Sindhwani spetta il capitolo più delicato: che cosa accade quando un modello linguistico, con tutti i suoi limiti noti, acquisisce un corpo. La risposta di DeepMind è un’architettura a strati, descritta dal team come "un approccio olistico e multilivello, basato sulla difesa in profondità".
Al livello più alto si trova la sicurezza semantica, cioè la capacità del modello di valutare se un’azione sia appropriata. Segue la sicurezza agenziale, che consente di attivare interventi automatici. Più in basso opera la sicurezza delle azioni, con limiti alla velocità e alla forza delle traiettorie. L’ultimo livello è rappresentato dalla sicurezza funzionale dell’hardware. Quando queste misure risultano insufficienti, entrano in gioco i sistemi tradizionali: "barriere, dispositivi di protezione e protocolli che mantengano gli esseri umani a una distanza sufficientemente sicura".
Sindhwani rivendica risultati concreti. Nei benchmark interni, ER 2 "è il nostro modello più sicuro fino a oggi". I test misurano, per esempio, se un robot istruito a evitare la manipolazione di liquidi caldi "rifiuterà cortesemente il comando di prendere una tazza di caffè".
Quando una persona entra nel perimetro di sicurezza, l’agente "assume il controllo, emette un avviso verbale e coordina il modello d’azione per portare il robot in una posizione sicura".
Il problema delle allucinazioni, comune ai sistemi basati su modelli linguistici, viene affrontato direttamente. Durante i test, il team ha introdotto occlusioni e riflessi nelle scene per misurare la frequenza con cui il modello inventava informazioni anziché dichiarare la propria incertezza.
"Quando il modello è incerto, dovrebbe evitare di inventare fatti sul mondo. Dovrebbe esprimere chiaramente la propria incertezza e affidarsi agli esseri umani", afferma Sindhwani.
Insieme all’annuncio, DeepMind pubblica anche un nuovo benchmark, chiamato ASIMOV-Agentic, dedicato alla gestione dell’incertezza da parte degli agenti fisici. Per Sindhwani, la motivazione riguarda l’intero settore: "Crediamo che la sicurezza sia uno sforzo condiviso e non competitivo. Vogliamo che l’intero ecosistema sia sicuro".
La personalità del robot, un cantiere appena aperto
C’è poi un aspetto del progetto di cui si parla ancora poco e che il team considera decisivo per il futuro: il modo in cui le persone percepiscono un robot capace di parlare, ascoltare e gesticolare.
DeepMind conduce studi interni sistematici nei quali, racconta Sindhwani, "dipendenti Google senza una formazione tecnica interagiscono con i robot, parlano con loro e fanno domande aperte". Nel frattempo, i ricercatori sperimentano diverse versioni della personalità incarnata dalla macchina.
I risultati, sostiene Sindhwani, sono già visibili: "Negli ultimi mesi abbiamo osservato miglioramenti costanti nella qualità della conversazione e dei movimenti, che hanno portato a livelli di soddisfazione più elevati".
Parada aggiunge un dettaglio curioso, quasi impercettibile nei video dell’annuncio: "I modelli rispondono a voce e riflettono anche su come gesticolare per trasmettere il messaggio".
Apptronik si occupa del design fisico di Apollo. Il compito di DeepMind consiste invece nel "dare vita al robot, definendo il modo in cui parla, la sua voce e la sua personalità, oltre al modo in cui ragiona durante la conversazione".
Un territorio ancora in gran parte inesplorato, nel quale, ammette Parada, "stiamo appena cominciando a grattare la superficie".
Quando in casa? Le scoperte che mancano
Resta la domanda che tutti si pongono: quando vedremo uno di questi umanoidi entrare nelle nostre case? Su questo punto il team sceglie la prudenza, con una franchezza piuttosto rara nel settore.
"Riteniamo che siano ancora necessarie alcune scoperte prima che questi robot possano essere pienamente pronti per l’ambiente domestico", ammette Parada. Oltre alle capacità dei modelli, aggiunge, serve "un quadro completo della sicurezza, dall’inizio alla fine", che includa anche la tutela della privacy. La sua previsione è che "arriveranno prima le applicazioni destinate ad ambienti industriali più strutturati".
Rao indica con maggiore precisione i problemi ancora aperti. Il primo riguarda la destrezza generalizzata, cioè la capacità di manipolare qualunque oggetto in qualsiasi ambiente domestico. "Penso che sia ancora un problema irrisolto", riconosce.
Il secondo riguarda l’apprendimento sul campo. "Gli esseri umani imparano dopo uno o due errori, mentre ai robot ne servono molti di più". Anche la composizione dei dati di addestramento resta un cantiere aperto. Il team utilizza una "piramide" che combina simulazione e teleoperazione, insieme a dati raccolti dagli esseri umani. "La ricetta necessaria per sbloccare davvero la robotica deve ancora essere trovata", osserva Rao.
La direzione, però, appare ormai tracciata e il lessico scelto dal team chiarisce la portata delle ambizioni. Rao parla apertamente di "AGI fisica" e la definisce così: "Se chiedi a un essere umano di fare qualsiasi cosa, un robot dovrebbe essere in grado di fare lo stesso".
Nel frattempo, il modello ER 2 è già disponibile per gli sviluppatori su AI Studio e arriverà in anteprima privata sulla piattaforma Gemini Enterprise Agent. I modelli d’azione restano invece riservati ai partner coinvolti fin dalle prime fasi, tra cui Apptronik e Agile Robots, oltre a Boston Dynamics e a più di cento tester selezionati.
Per tutti gli altri è prevista una lista d’attesa. Il futuro degli umanoidi, per ora, si prenota.