Analisis Gemini Robotics 2: AI Robot Menjadi Tumpukan

Robot humanoid yang memasang bola lampu bisa jadi merupakan tonggak penting dalam AI berwujud fisik, atau awal dari sitkom yang sangat mahal. Menurut WIRED, Google DeepMind telah merilis Gemini Robotics 2, sebuah sistem yang dapat mengendalikan berbagai robot, termasuk humanoid yang mampu melakukan tugas-tugas cekatan seperti memasang bola lampu dan mengikat kantong sampah. Bagian yang mencolok adalah tubuh humanoidnya; bagian yang penting adalah arsitektur yang tersembunyi di balik pergelangan kakinya. Ini bukan chatbot yang ditempelkan ke Roomba lalu diberi OKR penuh inspirasi. WIRED melaporkan bahwa Gemini Robotics 2 menggabungkan beberapa model AI ke dalam satu sistem agar robot dapat memahami lingkungan sekitarnya dan memutuskan cara bertindak. Itulah cerita yang berguna bagi para pembangun: AI robotika sedang bergerak menjauh dari pengendali terpisah untuk trik tunggal, menuju tumpukan terintegrasi yang menghubungkan persepsi, pemahaman bahasa, penalaran, dan perencanaan tindakan.

WIRED: Robot kini menjadi sebuah tumpukan

WIRED menggambarkan Gemini Robotics 2 sebagai sistem gabungan yang dibangun dari sebuah model bahasa-visual dan dua model aksi bahasa-visual. VLM memahami gambar dan video, berkomunikasi dengan manusia, dan bernalar tentang tugas, sementara model VLA dilatih untuk bergerak di ruang fisik serta mengendalikan gerakan seluruh tubuh plus gripper atau tangan. Dalam demo yang dibagikan kepada WIRED, robot Apollo 2 dari Apptronik menggunakan tangan dari Sharpa untuk merapikan rak, sebuah tugas yang menyenangkan karena sangat biasa, dan karena itu lebih menarik daripada salto ke belakang (salto ke belakang jarang mengisi ulang stok sereal). Perbedaan utamanya adalah bahwa robot tidak hanya perlu tahu apa itu kantong sampah. Robot perlu mengenali kantong itu, menyimpulkan tujuannya, merencanakan urutan tindakan, menggerakkan tubuh yang tunduk pada fisika, dan pulih ketika kantong itu bertingkah seperti parasut kecil berhantu. Itulah mengapa pemisahan VLM plus VLA penting: bahasa dan persepsi tidak menggantikan kontrol, melainkan disambungkan ke dalamnya.

Ars Technica: Google mengirimkan bagian-bagian, bukan seluruh operanya

Ars Technica melaporkan bahwa Gemini Robotics 2 mencakup tiga model, tetapi baru satu yang tersedia untuk publik saat ini. Laporan yang sama mengatakan robot Google dapat menangani tugas yang lebih kompleks, terus menganalisis lingkungan yang berubah, dan berkolaborasi dengan robot lain. Google juga mengatakan sistem ini dapat mengendalikan seluruh robot humanoid dengan ketangkasan yang lebih baik, termasuk mesin dengan tangan humanoid yang kompleks, menurut Ars Technica. Detail ketersediaan itu adalah pengingat dingin yang berguna. Jika Anda membangun hari ini, ceritanya bukan bahwa setiap robot tiba-tiba menerima transplantasi otak universal. Ceritanya adalah bahwa Google membuka sebagian dari tumpukan tersebut sambil menjaga sistem yang lebih lengkap tetap lebih dekat ke laboratorium, yang merupakan hal normal dalam robotika karena realitas adalah unit test terburuk yang pernah ditulis.

Google: ER 2 adalah perencana di bagian tengah yang berantakan Blog Google

sendiri mengatakan Gemini Robotics ER 2 dirancang sebagai otak tingkat tinggi untuk robot, memungkinkan penalaran spasial waktu nyata, perencanaan tugas multi-langkah, dan kolaborasi antara berbagai robot. Google mengatakan pengembang dapat mengakses ER 2 melalui Gemini API, Google AI Studio, atau Gemini Enterprise Agent Platform. Itu membuat ER 2 kurang seperti pengendali motor dan lebih seperti orkestrator tugas yang memutuskan apa yang harus terjadi sebelum sistem tingkat rendah mengeksekusi gerakan. Postingan rilis Google DeepMind, bertanggal 30 Juli 2026, membingkai masalah ini sebagai peralihan dari robot yang diprogram sebelumnya atau dioperasikan jarak jauh untuk rangkaian tugas yang sempit dan berulang. Perusahaan berpendapat bahwa robot membutuhkan model yang mampu berpikir, bertindak, dan berinteraksi dalam lingkungan yang tidak dapat diprediksi. Singkirkan pencahayaan demo yang mengilap, dan itu adalah tesis riset yang serius: perilaku robot umum membutuhkan transfer lintas tubuh, grounding waktu nyata, dan perencanaan yang tetap bertahan saat bersentuhan dengan kaus kaki di lantai.

The Next Web: Masih kikuk, tetap penting

The Next Web melaporkan bahwa Gemini Robotics 2 dapat mengendalikan humanoid dari kaki hingga ujung jari, mengoordinasikan beberapa robot sekaligus, dan beradaptasi dengan mesin baru dalam beberapa jam. Media itu juga mencatat bagian yang kurang glamor: angka dari DeepMind sendiri menunjukkan robot-robot itu masih lambat dan kikuk dalam tugas-tugas paling rumit. Bagus. Kalimat itu seharusnya dicetak di setiap pitch deck robot humanoid dengan Helvetica yang berselera. Bagi pembaca, hal berikutnya yang perlu diperhatikan bukanlah apakah robot demo dapat melakukan satu lagi pekerjaan rumah tangga dalam kondisi studio. Perhatikan bagian mana dari tumpukan yang tersedia bagi pengembang, seberapa baik keterampilan berpindah antar tubuh robot, dan apakah evaluasi bergerak melampaui cuplikan terbaik menuju tolok ukur yang dapat diulang untuk ketangkasan, keselamatan, dan kolaborasi. AI robotika menjadi kurang seperti mengajari mesin satu trik pesta dan lebih seperti merakit sistem saraf, yang menarik, menakutkan, dan tepat menjadi alasan mengapa bola lampu itu mungkin sebaiknya tetap menyimpan struknya.