Google DeepMind lancia Gemini Robotics 2 per robot più autonomi

Quando un robot smette di ripetere un gesto programmato e comincia a prendere decisioni in autonomia, le domande che contano cambiano. Non più cosa sa fare, ma con quale frequenza ci riesce e con quale margine di sicurezza. È in questa cornice che va letto l'annuncio di Google DeepMind su Gemini Robotics 2: una nuova generazione di modelli pensati per rendere i robot più autonomi, più abili nella manipolazione degli oggetti e capaci di lavorare in squadra, senza dipendere da sequenze di comandi pre-programmati.

Il problema che Google sta cercando di risolvere è noto a chi segue la robotica da anni. Finché un robot è un braccio industriale che ripete lo stesso gesto in una cella protetta, l'AI serve soprattutto per ottimizzare i tempi. Appena lo stesso robot deve muoversi nello spazio aperto, mantenere l'equilibrio, capire dove si trovano le persone e adattarsi a oggetti mai visti prima, l'automazione tradizionale mostra tutti i suoi limiti. Gemini Robotics 2 nasce per colmare esattamente questa frattura: corpo intero in forma umanoide, con un livello di ragionamento che promette di reggere anche quando l'ambiente non è quello atteso.

Il robot che capisce, non solo esegue

Nelle dimostrazioni presentate, il robot Apollo 2 del produttore Apptronik esegue compiti di presa e riposizionamento di oggetti con più naturalezza rispetto a molte demo viste finora. La scena non si riduce ad afferra e posa: c'è navigazione nello spazio, gestione dell'equilibrio, una catena di micro-decisioni che tiene insieme percezione visiva e movimento fisico. Apptronik descrive Apollo 2 come una piattaforma umanoide costruita per mobilità e manipolazione reali, con una struttura meccanica e attuatori progettati per movimenti precisi ed efficienti. È un dettaglio che conta: l'AI non può prescindere dal corpo che la ospita. Se il robot è rigido, lento o poco controllabile, anche il modello più sofisticato viene strozzato a valle.

Il salto più interessante, però, sta nel modo in cui Google ha segmentato l'architettura software. Da una parte c'è il modello che governa le azioni fisiche e la destrezza — fino alle mani a cinque dita, con esempi come annodare una corda o avvitare una lampadina. Dall'altra c'è Gemini Robotics ER 2, presentato come un coordinatore ad alto livello: un sistema agentico — cioè capace di perseguire obiettivi complessi in più passaggi — che scompone istruzioni articolate, mantiene il filo su attività più lunghe e orchestra più robot contemporaneamente. L'idea richiama quanto avvenuto nel software: separare il "cervello" che decide cosa fare dal "corpo" che esegue i movimenti, con un'interfaccia che renda la parte intelligente trasportabile su hardware diversi.

Google vuole diventare il sistema operativo dei robot di altri produttori

ER 2 è già accessibile agli sviluppatori tramite Google AI Studio, la piattaforma web di Google per sperimentare con i suoi modelli AI. Google sta spingendo un approccio che mette gli sviluppatori al centro fin dall'inizio: l'ecosistema può iniziare a sperimentare sul livello di ragionamento e coordinamento anche prima che i modelli più legati al controllo fisico siano disponibili su larga scala. È una strategia coerente con gli ultimi anni, in cui i cosiddetti modelli foundation — modelli addestrati su enormi quantità di dati per poi essere adattati a compiti specifici — diventano piattaforme e la competizione si sposta su API, strumenti e integrazioni.

Opportunità reale, dipendenza reale

Questa scelta apre un'opportunità e un trade-off. L'opportunità è evidente: la robotica diventa più software-defined, cioè definita dal software più che dall'hardware. Chi costruisce applicazioni può concentrarsi su compiti e flussi operativi invece di riscrivere ogni volta la logica di pianificazione e percezione. Il rovescio della medaglia è altrettanto chiaro: se la parte agentica diventa un servizio esterno, adottarla significa dipendere dalla roadmap, dalle politiche d'uso e, inevitabilmente, dal pricing del fornitore. Per una startup questo può essere un acceleratore; per un'azienda industriale può trasformarsi in un tema di governance tecnologica.

La parola che Google mette in primo piano è sicurezza. Nel lancio viene citato un benchmark chiamato ASIMOV-Agentic, pensato per far riconoscere al robot situazioni rischiose e guidarlo verso il coinvolgimento di un operatore umano quando necessario. Vale la pena soffermarsi su questo punto: nella robotica tradizionale, la sicurezza è stata per decenni una questione di barriere fisiche, sensori e certificazioni legate a contatto, velocità e separazione dagli esseri umani. Con robot capaci di ragionare su istruzioni generali, cresce il peso di quella che si potrebbe chiamare sicurezza semantica: non basta evitare collisioni fisiche, bisogna evitare comportamenti sbagliati in contesti ambigui. Il fatto che DeepMind colleghi esplicitamente il prodotto a un framework di valutazione non è un dettaglio tecnico: è un segnale di mercato, un tentativo di spostare la discussione da fidati della demo a guardiamo metriche ripetibili.

Il video non è una prova

Ed è proprio qui che si gioca la credibilità di questa nuova fase. Nel mondo della robotica esiste una regola non scritta: un video mostra possibilità, non affidabilità. A ricordarlo è stato Hans Peter Brondmo, ex dirigente di progetti robotici in Google, con una frase diventata quasi un mantra tra gli addetti ai lavori: non fidarsi mai di una demo video come prova definitiva. La ragione è pratica: quello che uccide l'adozione non è la singola abilità spettacolare, ma la degradazione in condizioni reali — variabilità della luce, oggetti sporchi o deformati, occlusioni visive, urti accidentali, persone che transitano vicino, rumore nei sensori. Se dopo ogni imprevisto serve un operatore che corregge o ripristina il sistema, l'autonomia promessa si trasforma in costi operativi e in rischio.

Per capire quanto la distanza tra dimostrazione e produzione sia centrale, basta guardare uno dei pochi casi in cui sono stati resi pubblici numeri operativi reali. BMW ha dichiarato che nel 2025, nello stabilimento di Spartanburg negli Stati Uniti, il robot umanoide Figure 02 ha supportato la produzione di oltre 30.000 BMW X3 in dieci mesi, lavorando turni da 10 ore al giorno dal lunedì al venerdì. È un tipo di dato raro, perché mette sul tavolo un'unità di misura che l'industria comprende: ore, turni, output. Non dice tutto — per esempio non spiega quanta supervisione umana sia stata necessaria — ma stabilisce un benchmark implicito: un robot umanoide diventa credibile quando riesce a stare dentro un processo produttivo con continuità.

Un robot diventa credibile quando regge turni di produzione, non solo clip da tre minuti

La partita del mercato italiano

Gemini Robotics 2 entra in una corsa che non è più solo di ricerca, ma di scalabilità. Il valore strategico per Google è particolare: costruire il cervello e il sistema di coordinamento che funziona sopra robot prodotti da altri. Con Apollo 2 di Apptronik come dimostratore, il modello sembra essere: hardware specializzato dai partner, intelligenza e coordinamento forniti da DeepMind. È uno schema già visto in altri settori tecnologici, dove chi controlla il livello piattaforma cattura una quota significativa del valore lungo tutta la filiera.

Nel contesto europeo questo si intreccia con due traiettorie parallele. Quella industriale riguarda l'adozione concreta della robotica nelle imprese. In Italia, secondo l'Osservatorio Innovative Robotics del Politecnico di Milano, nel 2025 il mercato della robotica vale 2,2 miliardi di euro considerando le sole spese in conto capitale e arriva a 3,5 miliardi includendo anche quelle operative; il 28% delle aziende usa già soluzioni robotiche e l'adozione è stimata crescere fino al 36% entro il 2028. Tra le imprese italiane che prevedono investimenti nel 2026, una quota significativa dichiara interesse verso robot che integrano AI, sensori e apprendimento continuo. C'è domanda potenziale per sistemi più flessibili, ma è una domanda che chiede affidabilità e integrazione, non solo capacità tecniche.

La traiettoria regolatoria parla invece di fiducia e responsabilità. La normativa europea sull'AI, l'AI Act, entra nella sua fase applicativa generale il 2 agosto 2026, mentre per alcune categorie di sistemi ad alto rischio — inclusi quelli integrati in macchinari e robotica industriale — sono previste finestre temporali più estese. La Commissione Europea ha già pubblicato linee guida per aiutare produttori e utilizzatori a orientarsi sugli obblighi, con un focus pratico su classificazione e trasparenza. Per chi sviluppa quella che viene chiamata physical AI — intelligenza artificiale che agisce nel mondo fisico — questa è una tensione concreta: da un lato serve accelerare per arrivare sul mercato; dall'altro occorre dimostrare tracciabilità delle decisioni, gestione del rischio e processi di monitoraggio, perché quando un sistema autonomo agisce su oggetti e persone reali la tolleranza agli errori si riduce drasticamente.

Cosa cambia davvero

Gemini Robotics 2 porta due novità concrete: un'ambizione di generalità più ampia e un'architettura con un livello agentico che coordina compiti e robot diversi. Cambia anche il modo in cui Google prova a trattare la sicurezza: non come nota a margine, ma come parte integrante della valutazione e della narrativa tecnica del prodotto.

Resta aperto il passaggio più difficile: trasformare questi modelli in comportamento stabile su settimane, non su minuti; su turni di lavoro, non su clip dimostrative. Se i partner riusciranno a pubblicare numeri di disponibilità operativa, tasso di successo per singolo compito e frequenza di intervento umano, Gemini Robotics 2 potrebbe diventare il tassello che mancava per portare la robotica umanoide verso un'adozione industriale sistematica. Se quei numeri resteranno impliciti o frammentari, la sensazione sarà la stessa di molte fasi precedenti: capacità impressionanti, ancora difficili da tradurre in un'operazione reale con costi e ricavi misurabili.