{"content_id":"wnh4uzgh8d","slug":"gemini-robotics-2-5-vla-factory-performance","locale":"es","schema_type":"TechArticle","category":"ai_data","category_name":"Datos de IA","title":"Gemini Robotics 2.5 rendimiento en fábricas","summary":"Gemini Robotics 2.5 es un modelo que conecta la visión y el lenguaje con las acciones de los robots. Se distinguen el alcance de la tasa de éxito del 96% en pruebas en fábricas, las tasas de mejora del rendimiento, la evaluación de seguridad y el estado de disponibilidad de cada modelo.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"Equipo editorial de Injoys","url":"https://injoys.com/ko/about"},"key_points":["Gemini Robotics ER es un modelo de razonamiento que sigue el flujo de trabajo.","Gemini Robotics 2.5 controla los movimientos de ambas manos y de los brazos en pruebas en fábricas.","La mejora del 30~100% en la tasa de éxito es una cifra relativa respecto al modelo de referencia anterior.","La tasa de éxito del 96% en pruebas en fábricas corresponde a tareas de preparación de kits de piezas de automóvil.","Hay que distinguir entre la disponibilidad del modelo de acción para socios y la vista previa pública del modelo ER."],"content_markdown":"Gemini Robotics 2.5 es un modelo VLA que conecta la visión y el lenguaje con las acciones de los robots. La tasa de éxito del 96% de la prueba en fábrica se limita a la preparación de kits de piezas. Para decidir sobre su implantación real, hacen falta más verificaciones de la recuperación ante fallos y las condiciones operativas.\n\nLas cifras de rendimiento de este artículo se basan en el anuncio de Google del 10 de noviembre de 2026.\n\n## Cómo funcionan VLA y ER\n\nVLA es un modelo que conecta la información visual y las instrucciones en lenguaje con las acciones de los robots. Su nombre es la sigla de Vision-Language-Action. ER se refiere al razonamiento corporizado que planifica tareas en entornos físicos.\n\nEn la prueba en fábrica, los dos modelos se reparten las funciones. Gemini Robotics ER sigue el flujo de trabajo completo. Gemini Robotics 2.5 controla ambas manos y los brazos.\n\n| Componente | Función | Distinción importante |\n| --- | --- | --- |\n| Información visual | Reconocer objetos y la escena circundante | Entrada para decidir las acciones |\n| Instrucciones en lenguaje | Comunicar la tarea y sus condiciones | Entrada que expresa el objetivo de la tarea |\n| Modelo ER | Gestionar planes de varios pasos y su progreso | Razonamiento de alto nivel |\n| Modelo de acción VLA | Generar movimientos del robot | Control para ejecutar movimientos físicos |\n| Hardware del robot | Ejecutar movimientos y manipular objetos | Dispositivos físicos como manos, brazos y actuadores |\n\nEl modelo ER está diseñado para decidir la siguiente tarea y continuar la ejecución. También determina si la tarea está terminada y si hace falta reintentarla. La información oficial del modelo indica que la salida de ER 2 es texto. [Descripción de ER 2 de Google DeepMind](https://deepmind.google/models/gemini-robotics/embodied-reasoning/)\n\nEl modelo de acción y el cuerpo del robot no son el mismo producto. La descripción oficial de VLA presenta un alcance de control que va desde los brazos hasta el cuerpo completo de un humanoide. El rendimiento en un cuerpo concreto debe interpretarse junto con las condiciones de ese hardware. [Descripción de VLA de Google DeepMind](https://deepmind.google/models/gemini-robotics/vla/)\n\n## Cifras de evaluación de tareas y criterios de comparación\n\nLos porcentajes de mejora anunciados son resultados comparados con el modelo de referencia anterior. No son tasas de éxito absolutas aplicables a todas las tareas. El anuncio explica que la magnitud de la mejora varió según el tipo de tarea.\n\nLa siguiente tabla distingue las cifras anunciadas el 10 de noviembre de 2026.\n\n| Aspecto | Contenido del anuncio | Alcance de la cifra |\n| --- | --- | --- |\n| Alcance de las tareas evaluadas | La introducción indica más de 200; la descripción detallada, 200 | El total se entiende como unas 200 |\n| Tasa de éxito de las tareas | Mejora del 30~100% respecto al modelo de referencia anterior | Mejora relativa por tipo de tarea |\n| Velocidad de finalización de tareas | Mejora del 20~30% respecto al modelo de referencia anterior | Comparación de la velocidad de finalización de las tareas evaluadas |\n| Tasa de éxito de la prueba en fábrica | 96% | Prueba de preparación de kits de piezas de automoción con Apollo 2 |\n\nEl número de tareas se refiere a los tipos de tareas evaluadas. Es un concepto distinto del número de repeticiones de cada tarea. Por tanto, el número de tareas por sí solo no permite calcular la fiabilidad estadística. [Anuncio de Google en coreano](https://blog.google/intl/ko-kr/company-news/technology/gemini-robotics-2-5-kr/)\n\n### Ejemplo de cálculo de la mejora relativa\n\nEl significado de la mejora de la tasa de éxito queda más claro al expresarla como un factor multiplicador. La mejora anunciada del 30% equivale a 1.3 veces la tasa de éxito anterior. Una mejora del 100% significa que la tasa de éxito anterior se duplica. Esta relación se calcula a partir de las cifras anunciadas.\n\n| Expresión | Relación de cálculo | Información necesaria para interpretarla |\n| --- | --- | --- |\n| Mejora del 30% en la tasa de éxito | Nueva tasa de éxito = tasa de éxito anterior × 1.3 | Tasa de éxito anterior de la misma tarea |\n| Mejora del 100% en la tasa de éxito | Nueva tasa de éxito = tasa de éxito anterior × 2 | Tasa de éxito anterior de la misma tarea |\n| Diferencia entre tasas de éxito | Nueva tasa de éxito - tasa de éxito anterior | Las dos tasas de éxito absolutas, en puntos porcentuales |\n\nSin la tasa de éxito de referencia, no se puede calcular la nueva tasa de éxito absoluta. Una mejora del 100% no debe interpretarse como éxito en todos los intentos. Tampoco puede convertirse el porcentaje de mejora de la velocidad en un porcentaje de aumento de la producción de toda la fábrica.\n\n## Alcance de la tasa de éxito del 96% en fábrica\n\nEl **96%** anunciado es la tasa de éxito de una prueba de preparación de kits de piezas de automoción. Preparar kits consiste en disponer las piezas necesarias para el montaje en el orden correspondiente. En esta prueba, Apollo 2 de Apptronik hizo esa tarea.\n\nLa prueba tuvo lugar en una línea de producción real de Mercedes-Benz. El anuncio menciona Kecskemét, en Hungría, y Sindelfingen, en Alemania. El robot recogió soportes metálicos de un contenedor de suministro y los colocó en recipientes según el orden previsto.\n\nUna PoC, o prueba de concepto, es un ensayo que comprueba la viabilidad en un entorno concreto. La tasa de éxito medida aquí corresponde al alcance de ese ensayo. No puede extrapolarse al grado de automatización de toda la fábrica ni a la tasa de éxito de todos los procesos.\n\nGoogle planteó un uso en el que los robots se encargan de las tareas repetitivas de preparación. Según su explicación, esto ayuda al personal técnico a centrarse en el montaje complejo. No presentó cifras de reducción de plantilla ni porcentajes de aumento de la productividad laboral. [Descripción de la prueba en fábrica de Google DeepMind](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/)\n\n## La recuperación ante fallos y la capacidad de procesamiento que no refleja la tasa de éxito\n\nPara decidir sobre la implantación en fábrica, se necesitan el denominador de la tasa de éxito y el tiempo de recuperación. Incluso con la misma tasa de éxito, la producción puede variar según cómo se gestionen los reintentos. Este análisis busca relacionar las cifras anunciadas con los indicadores operativos.\n\n| Aspecto que comprobar | Qué comprobar | Efecto en la decisión |\n| --- | --- | --- |\n| Unidad de éxito | Si se trata de una pieza o de una bandeja completa | Alcance de la tarea que representa la tasa de éxito |\n| Número de intentos | Número total de evaluaciones y distribución por tarea | Variabilidad y representatividad de los resultados |\n| Gestión de reintentos | Si el éxito corresponde al primer intento o incluye reintentos | Nivel de ejecución autónoma |\n| Intervención humana | Número y momento de las intervenciones | Personal necesario para la operación |\n| Recuperación ante fallos | Tiempo de recuperación y condiciones para reanudar la tarea | Reducción de la capacidad de procesamiento por las interrupciones |\n| Evaluación de calidad | Criterios sobre errores de posición y daños en las piezas | Si pueden usarse en el montaje posterior |\n| Operación continua | Tiempo de funcionamiento y causas de las paradas | Estabilidad de la operación real |\n\nEstos puntos no son resultados adicionales confirmados. Son condiciones de medición que deben comprobarse por separado en la evaluación sobre el terreno. El anuncio en coreano no permite determinar todas las condiciones detalladas.\n\nComo indicador operativo, también puede calcularse la capacidad de procesamiento de unidades conformes. La fórmula es «cantidad de unidades terminadas que cumplen los criterios de calidad ÷ tiempo total de operación». El tiempo total de operación debe incluir los reintentos y la recuperación. Se trata de una propuesta de medición, no de una cifra anunciada de la prueba en fábrica.\n\nLa operación de robots también requiere funciones de gestión ajenas al modelo. Apptronik describe Fleet Connect, destinado a supervisar el estado y asignar tareas. Esto muestra un alcance operativo que también exige gestionar las baterías y el estado de parada. [Descripción de la plataforma Apollo 2 de Apptronik](https://apptronik.com/apollo/apollo-2)\n\n## Diferencia entre seguridad física y defensa contra el jailbreak\n\nLas directrices de seguridad física y la defensa contra el jailbreak evalúan aspectos distintos. Las primeras orientan las acciones para evitar riesgos en el entorno durante la ejecución. La segunda mide la resistencia a ataques que intentan hacer que el modelo siga instrucciones peligrosas.\n\nEl momento de inferencia es cuando el modelo recibe una entrada y toma una decisión. Google explica que aplica directrices para evitar riesgos en ese momento. También hay que distinguir a qué modelo y a qué evaluación corresponden las cifras de seguridad.\n\nEstas son las cifras de seguridad del anuncio del 10 de noviembre de 2026.\n\n| Evaluación | Resultado anunciado | Alcance de la interpretación |\n| --- | --- | --- |\n| Finalización segura de tareas cerca de obstáculos | Mejora del 33% | Mejora al aplicar las directrices |\n| Finalización segura de tareas en entornos con personas cerca | Mejora del 43% | Mejora al aplicar las directrices |\n| Tasa de defensa contra el jailbreak de Gemini 4 Argon | 99.5% | Resultado anunciado de la evaluación de jailbreak |\n| Tasa de defensa contra el jailbreak del modelo de referencia | 82% | Resultado de comparación de Gemini Robotics ER 2 |\n\nLa tasa de defensa contra el jailbreak es un resultado de la evaluación de Gemini 4 Argon. Citarla como la tasa de operación sin accidentes del modelo de acción en fábrica cambia el objeto de la evaluación. Los porcentajes de mejora de la finalización segura de tareas también deben distinguirse de las tasas de éxito absolutas. [Descripción de la evaluación de seguridad de Google DeepMind](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/)\n\nEl repositorio ASIMOV-Jailbreak distingue entre instrucciones dañinas e instrucciones normales. También incluye evaluaciones de ataques que se prolongan durante varias interacciones. La tasa de rechazo excesivo de solicitudes normales es otro de los aspectos evaluados. [Repositorio de evaluación ASIMOV de Google](https://huggingface.co/datasets/google/asimov_agentic)\n\nLos dispositivos físicos también tienen funciones de seguridad independientes. Apptronik explica que el robot se detiene de inmediato cuando detecta un objeto en una zona de colisión configurada. También ofrece ajustes de movimiento según las zonas del entorno. Estas son funciones de hardware que deben comprobarse por separado de la evaluación del modelo.\n\n## Simulación y datos de entrenamiento reales\n\nSegún la explicación de Google, la simulación se combinó con datos de demostraciones reales. Gemini 4 Argon genera entornos virtuales de entrenamiento a partir de escenas captadas por cámaras. También ayuda en la investigación que busca hipótesis de mejora en vídeos de fallos.\n\nUn gemelo digital es una reproducción de un entorno real en un espacio virtual. En el entorno virtual se pueden repetir pruebas variando las condiciones. Las pruebas con robots reales comprueban si esos resultados también se cumplen en el entorno físico. [Descripción del proceso de entrenamiento de Google DeepMind](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/)\n\nEn esta estructura, la fábrica es tanto un lugar de uso como un espacio de evaluación. Esto se debe a que las piezas y las secuencias de trabajo reales ponen a prueba el alcance de aplicación del modelo. Sin embargo, la mejora de la eficiencia del entrenamiento no puede convertirse directamente en una cantidad de ahorro en costes de implantación.\n\n## Diferencia entre la disponibilidad para socios y una API pública\n\nLa disponibilidad pública del modelo de acción y del modelo ER debe comprobarse por separado. Según el anuncio, el modelo de acción se ofrece de forma gradual a los socios de robótica. La página oficial de ER 2 indica que está disponible en vista previa pública.\n\nEl anuncio de Google DeepMind describió el alcance de la disponibilidad de la siguiente manera.\n\n\u003e Gemini Robotics 2.5 se está ofreciendo de forma gradual a nuestros socios de robótica.\n\nLa fuente es el [anuncio de Gemini Robotics 2.5](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/).\n\n| Modelo | Disponibilidad confirmada | Distinción importante |\n| --- | --- | --- |\n| Gemini Robotics 2.5 | Disponibilidad gradual para socios de robótica | No equivale a la publicación de una API de acción para desarrolladores en general |\n| Gemini Robotics ER 2 | Vista previa pública en Google AI Studio y Gemini API | Alcance del acceso al modelo de razonamiento |\n\nEl acceso a la API de ER no implica tener acceso al modelo de acción. Este anuncio tampoco permite determinar el calendario de implantación comercial en Corea. La disponibilidad de cada modelo debe comprobarse en su página oficial.\n\n## Errores frecuentes al interpretar las cifras de rendimiento\n\nSi se omiten el objeto de evaluación y la unidad de medida, se mezclan resultados distintos. En particular, agrupar cifras solo por el nombre del modelo dificulta su interpretación. Al citarlas, deben indicarse también la tarea y las condiciones de comparación.\n\n| Interpretación frecuente | Distinción correcta |\n| --- | --- |\n| La tasa de éxito mejoró un 100%, por lo que todas las tareas tuvieron éxito | La mejora relativa y la tasa de éxito absoluta son distintas |\n| La tasa de éxito en fábrica es el grado de automatización de toda la fábrica | Los resultados de la PoC de preparación de kits y el alcance de la automatización son distintos |\n| La tasa de defensa contra el jailbreak es la tasa de operación sin accidentes del robot | La resistencia a ataques y los indicadores de accidentes físicos son distintos |\n| La API de ER permite usar directamente el modelo de acción | Los permisos de acceso deben comprobarse por separado para cada modelo |\n| La producción aumenta en la misma proporción que la velocidad de finalización de tareas | Hace falta una medición que incluya el tiempo de recuperación y las esperas del proceso |\n\n## Preguntas frecuentes\n\nDistinguir las funciones de los modelos, las unidades de evaluación y la disponibilidad pública permite aclarar las principales dudas.\n\n### ¿Gemini Robotics 2.5 es el cuerpo de un robot?\n\nEs un modelo VLA que controla robots. Apollo 2 es el cuerpo de un robot que lo utiliza. Hay que distinguir el rendimiento del modelo de las capacidades físicas del cuerpo.\n\n### ¿Las unas 200 tareas son el número de procesos de una fábrica real?\n\nSe refieren a los tipos de tareas de la evaluación del modelo anunciada. No significa que todas sean procesos de una fábrica de automóviles. El número de tareas evaluadas y el alcance de la prueba en fábrica son aspectos distintos.\n\n### ¿Puede calcularse el efecto de la implantación solo con la tasa de éxito en fábrica?\n\nLa tasa de éxito por sí sola no permite calcular los costes ni la producción. También hay que conocer el tiempo de trabajo y el tiempo de recuperación ante fallos. Además, se necesitan los criterios de evaluación de calidad y las condiciones de intervención humana.\n\n### ¿Vista previa pública e implantación comercial significan lo mismo?\n\nLa vista previa pública es un estado de disponibilidad que permite acceder a un modelo concreto. No significa que se haya completado la integración con los sistemas de una fábrica. Las condiciones de disponibilidad del modelo de acción también deben comprobarse por separado.","content_html":"\u003cp\u003eGemini Robotics 2.5 es un modelo VLA que conecta la visión y el lenguaje con las acciones de los robots. La tasa de éxito del 96% de la prueba en fábrica se limita a la preparación de kits de piezas. Para decidir sobre su implantación real, hacen falta más verificaciones de la recuperación ante fallos y las condiciones operativas.\u003c/p\u003e\n\u003cp\u003eLas cifras de rendimiento de este artículo se basan en el anuncio de Google del 10 de noviembre de 2026.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#c%C3%B3mo-funcionan-vla-y-er\" class=\"anchor\" id=\"cómo-funcionan-vla-y-er\"\u003e\u003c/a\u003eCómo funcionan VLA y ER\u003c/h2\u003e\n\u003cp\u003eVLA es un modelo que conecta la información visual y las instrucciones en lenguaje con las acciones de los robots. Su nombre es la sigla de Vision-Language-Action. ER se refiere al razonamiento corporizado que planifica tareas en entornos físicos.\u003c/p\u003e\n\u003cp\u003eEn la prueba en fábrica, los dos modelos se reparten las funciones. Gemini Robotics ER sigue el flujo de trabajo completo. Gemini Robotics 2.5 controla ambas manos y los brazos.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eComponente\u003c/th\u003e\n\u003cth\u003eFunción\u003c/th\u003e\n\u003cth\u003eDistinción importante\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Componente\"\u003eInformación visual\u003c/td\u003e\n\u003ctd data-label=\"Función\"\u003eReconocer objetos y la escena circundante\u003c/td\u003e\n\u003ctd data-label=\"Distinción importante\"\u003eEntrada para decidir las acciones\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Componente\"\u003eInstrucciones en lenguaje\u003c/td\u003e\n\u003ctd data-label=\"Función\"\u003eComunicar la tarea y sus condiciones\u003c/td\u003e\n\u003ctd data-label=\"Distinción importante\"\u003eEntrada que expresa el objetivo de la tarea\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Componente\"\u003eModelo ER\u003c/td\u003e\n\u003ctd data-label=\"Función\"\u003eGestionar planes de varios pasos y su progreso\u003c/td\u003e\n\u003ctd data-label=\"Distinción importante\"\u003eRazonamiento de alto nivel\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Componente\"\u003eModelo de acción VLA\u003c/td\u003e\n\u003ctd data-label=\"Función\"\u003eGenerar movimientos del robot\u003c/td\u003e\n\u003ctd data-label=\"Distinción importante\"\u003eControl para ejecutar movimientos físicos\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Componente\"\u003eHardware del robot\u003c/td\u003e\n\u003ctd data-label=\"Función\"\u003eEjecutar movimientos y manipular objetos\u003c/td\u003e\n\u003ctd data-label=\"Distinción importante\"\u003eDispositivos físicos como manos, brazos y actuadores\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eEl modelo ER está diseñado para decidir la siguiente tarea y continuar la ejecución. También determina si la tarea está terminada y si hace falta reintentarla. La información oficial del modelo indica que la salida de ER 2 es texto. \u003ca href=\"https://deepmind.google/models/gemini-robotics/embodied-reasoning/\"\u003eDescripción de ER 2 de Google DeepMind\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003eEl modelo de acción y el cuerpo del robot no son el mismo producto. La descripción oficial de VLA presenta un alcance de control que va desde los brazos hasta el cuerpo completo de un humanoide. El rendimiento en un cuerpo concreto debe interpretarse junto con las condiciones de ese hardware. \u003ca href=\"https://deepmind.google/models/gemini-robotics/vla/\"\u003eDescripción de VLA de Google DeepMind\u003c/a\u003e\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#cifras-de-evaluaci%C3%B3n-de-tareas-y-criterios-de-comparaci%C3%B3n\" class=\"anchor\" id=\"cifras-de-evaluación-de-tareas-y-criterios-de-comparación\"\u003e\u003c/a\u003eCifras de evaluación de tareas y criterios de comparación\u003c/h2\u003e\n\u003cp\u003eLos porcentajes de mejora anunciados son resultados comparados con el modelo de referencia anterior. No son tasas de éxito absolutas aplicables a todas las tareas. El anuncio explica que la magnitud de la mejora varió según el tipo de tarea.\u003c/p\u003e\n\u003cp\u003eLa siguiente tabla distingue las cifras anunciadas el 10 de noviembre de 2026.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eAspecto\u003c/th\u003e\n\u003cth\u003eContenido del anuncio\u003c/th\u003e\n\u003cth\u003eAlcance de la cifra\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto\"\u003eAlcance de las tareas evaluadas\u003c/td\u003e\n\u003ctd data-label=\"Contenido del anuncio\"\u003eLa introducción indica más de 200; la descripción detallada, 200\u003c/td\u003e\n\u003ctd data-label=\"Alcance de la cifra\"\u003eEl total se entiende como unas 200\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto\"\u003eTasa de éxito de las tareas\u003c/td\u003e\n\u003ctd data-label=\"Contenido del anuncio\"\u003eMejora del 30~100% respecto al modelo de referencia anterior\u003c/td\u003e\n\u003ctd data-label=\"Alcance de la cifra\"\u003eMejora relativa por tipo de tarea\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto\"\u003eVelocidad de finalización de tareas\u003c/td\u003e\n\u003ctd data-label=\"Contenido del anuncio\"\u003eMejora del 20~30% respecto al modelo de referencia anterior\u003c/td\u003e\n\u003ctd data-label=\"Alcance de la cifra\"\u003eComparación de la velocidad de finalización de las tareas evaluadas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto\"\u003eTasa de éxito de la prueba en fábrica\u003c/td\u003e\n\u003ctd data-label=\"Contenido del anuncio\"\u003e96%\u003c/td\u003e\n\u003ctd data-label=\"Alcance de la cifra\"\u003ePrueba de preparación de kits de piezas de automoción con Apollo 2\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eEl número de tareas se refiere a los tipos de tareas evaluadas. Es un concepto distinto del número de repeticiones de cada tarea. Por tanto, el número de tareas por sí solo no permite calcular la fiabilidad estadística. \u003ca href=\"https://blog.google/intl/ko-kr/company-news/technology/gemini-robotics-2-5-kr/\"\u003eAnuncio de Google en coreano\u003c/a\u003e\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#ejemplo-de-c%C3%A1lculo-de-la-mejora-relativa\" class=\"anchor\" id=\"ejemplo-de-cálculo-de-la-mejora-relativa\"\u003e\u003c/a\u003eEjemplo de cálculo de la mejora relativa\u003c/h3\u003e\n\u003cp\u003eEl significado de la mejora de la tasa de éxito queda más claro al expresarla como un factor multiplicador. La mejora anunciada del 30% equivale a 1.3 veces la tasa de éxito anterior. Una mejora del 100% significa que la tasa de éxito anterior se duplica. Esta relación se calcula a partir de las cifras anunciadas.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eExpresión\u003c/th\u003e\n\u003cth\u003eRelación de cálculo\u003c/th\u003e\n\u003cth\u003eInformación necesaria para interpretarla\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Expresión\"\u003eMejora del 30% en la tasa de éxito\u003c/td\u003e\n\u003ctd data-label=\"Relación de cálculo\"\u003eNueva tasa de éxito = tasa de éxito anterior × 1.3\u003c/td\u003e\n\u003ctd data-label=\"Información necesaria para interpretarla\"\u003eTasa de éxito anterior de la misma tarea\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Expresión\"\u003eMejora del 100% en la tasa de éxito\u003c/td\u003e\n\u003ctd data-label=\"Relación de cálculo\"\u003eNueva tasa de éxito = tasa de éxito anterior × 2\u003c/td\u003e\n\u003ctd data-label=\"Información necesaria para interpretarla\"\u003eTasa de éxito anterior de la misma tarea\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Expresión\"\u003eDiferencia entre tasas de éxito\u003c/td\u003e\n\u003ctd data-label=\"Relación de cálculo\"\u003eNueva tasa de éxito - tasa de éxito anterior\u003c/td\u003e\n\u003ctd data-label=\"Información necesaria para interpretarla\"\u003eLas dos tasas de éxito absolutas, en puntos porcentuales\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eSin la tasa de éxito de referencia, no se puede calcular la nueva tasa de éxito absoluta. Una mejora del 100% no debe interpretarse como éxito en todos los intentos. Tampoco puede convertirse el porcentaje de mejora de la velocidad en un porcentaje de aumento de la producción de toda la fábrica.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#alcance-de-la-tasa-de-%C3%A9xito-del-96-en-f%C3%A1brica\" class=\"anchor\" id=\"alcance-de-la-tasa-de-éxito-del-96-en-fábrica\"\u003e\u003c/a\u003eAlcance de la tasa de éxito del 96% en fábrica\u003c/h2\u003e\n\u003cp\u003eEl \u003cstrong\u003e96%\u003c/strong\u003e anunciado es la tasa de éxito de una prueba de preparación de kits de piezas de automoción. Preparar kits consiste en disponer las piezas necesarias para el montaje en el orden correspondiente. En esta prueba, Apollo 2 de Apptronik hizo esa tarea.\u003c/p\u003e\n\u003cp\u003eLa prueba tuvo lugar en una línea de producción real de Mercedes-Benz. El anuncio menciona Kecskemét, en Hungría, y Sindelfingen, en Alemania. El robot recogió soportes metálicos de un contenedor de suministro y los colocó en recipientes según el orden previsto.\u003c/p\u003e\n\u003cp\u003eUna PoC, o prueba de concepto, es un ensayo que comprueba la viabilidad en un entorno concreto. La tasa de éxito medida aquí corresponde al alcance de ese ensayo. No puede extrapolarse al grado de automatización de toda la fábrica ni a la tasa de éxito de todos los procesos.\u003c/p\u003e\n\u003cp\u003eGoogle planteó un uso en el que los robots se encargan de las tareas repetitivas de preparación. Según su explicación, esto ayuda al personal técnico a centrarse en el montaje complejo. No presentó cifras de reducción de plantilla ni porcentajes de aumento de la productividad laboral. \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eDescripción de la prueba en fábrica de Google DeepMind\u003c/a\u003e\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#la-recuperaci%C3%B3n-ante-fallos-y-la-capacidad-de-procesamiento-que-no-refleja-la-tasa-de-%C3%A9xito\" class=\"anchor\" id=\"la-recuperación-ante-fallos-y-la-capacidad-de-procesamiento-que-no-refleja-la-tasa-de-éxito\"\u003e\u003c/a\u003eLa recuperación ante fallos y la capacidad de procesamiento que no refleja la tasa de éxito\u003c/h2\u003e\n\u003cp\u003ePara decidir sobre la implantación en fábrica, se necesitan el denominador de la tasa de éxito y el tiempo de recuperación. Incluso con la misma tasa de éxito, la producción puede variar según cómo se gestionen los reintentos. Este análisis busca relacionar las cifras anunciadas con los indicadores operativos.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eAspecto que comprobar\u003c/th\u003e\n\u003cth\u003eQué comprobar\u003c/th\u003e\n\u003cth\u003eEfecto en la decisión\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto que comprobar\"\u003eUnidad de éxito\u003c/td\u003e\n\u003ctd data-label=\"Qué comprobar\"\u003eSi se trata de una pieza o de una bandeja completa\u003c/td\u003e\n\u003ctd data-label=\"Efecto en la decisión\"\u003eAlcance de la tarea que representa la tasa de éxito\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto que comprobar\"\u003eNúmero de intentos\u003c/td\u003e\n\u003ctd data-label=\"Qué comprobar\"\u003eNúmero total de evaluaciones y distribución por tarea\u003c/td\u003e\n\u003ctd data-label=\"Efecto en la decisión\"\u003eVariabilidad y representatividad de los resultados\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto que comprobar\"\u003eGestión de reintentos\u003c/td\u003e\n\u003ctd data-label=\"Qué comprobar\"\u003eSi el éxito corresponde al primer intento o incluye reintentos\u003c/td\u003e\n\u003ctd data-label=\"Efecto en la decisión\"\u003eNivel de ejecución autónoma\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto que comprobar\"\u003eIntervención humana\u003c/td\u003e\n\u003ctd data-label=\"Qué comprobar\"\u003eNúmero y momento de las intervenciones\u003c/td\u003e\n\u003ctd data-label=\"Efecto en la decisión\"\u003ePersonal necesario para la operación\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto que comprobar\"\u003eRecuperación ante fallos\u003c/td\u003e\n\u003ctd data-label=\"Qué comprobar\"\u003eTiempo de recuperación y condiciones para reanudar la tarea\u003c/td\u003e\n\u003ctd data-label=\"Efecto en la decisión\"\u003eReducción de la capacidad de procesamiento por las interrupciones\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto que comprobar\"\u003eEvaluación de calidad\u003c/td\u003e\n\u003ctd data-label=\"Qué comprobar\"\u003eCriterios sobre errores de posición y daños en las piezas\u003c/td\u003e\n\u003ctd data-label=\"Efecto en la decisión\"\u003eSi pueden usarse en el montaje posterior\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspecto que comprobar\"\u003eOperación continua\u003c/td\u003e\n\u003ctd data-label=\"Qué comprobar\"\u003eTiempo de funcionamiento y causas de las paradas\u003c/td\u003e\n\u003ctd data-label=\"Efecto en la decisión\"\u003eEstabilidad de la operación real\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eEstos puntos no son resultados adicionales confirmados. Son condiciones de medición que deben comprobarse por separado en la evaluación sobre el terreno. El anuncio en coreano no permite determinar todas las condiciones detalladas.\u003c/p\u003e\n\u003cp\u003eComo indicador operativo, también puede calcularse la capacidad de procesamiento de unidades conformes. La fórmula es «cantidad de unidades terminadas que cumplen los criterios de calidad ÷ tiempo total de operación». El tiempo total de operación debe incluir los reintentos y la recuperación. Se trata de una propuesta de medición, no de una cifra anunciada de la prueba en fábrica.\u003c/p\u003e\n\u003cp\u003eLa operación de robots también requiere funciones de gestión ajenas al modelo. Apptronik describe Fleet Connect, destinado a supervisar el estado y asignar tareas. Esto muestra un alcance operativo que también exige gestionar las baterías y el estado de parada. \u003ca href=\"https://apptronik.com/apollo/apollo-2\"\u003eDescripción de la plataforma Apollo 2 de Apptronik\u003c/a\u003e\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#diferencia-entre-seguridad-f%C3%ADsica-y-defensa-contra-el-jailbreak\" class=\"anchor\" id=\"diferencia-entre-seguridad-física-y-defensa-contra-el-jailbreak\"\u003e\u003c/a\u003eDiferencia entre seguridad física y defensa contra el jailbreak\u003c/h2\u003e\n\u003cp\u003eLas directrices de seguridad física y la defensa contra el jailbreak evalúan aspectos distintos. Las primeras orientan las acciones para evitar riesgos en el entorno durante la ejecución. La segunda mide la resistencia a ataques que intentan hacer que el modelo siga instrucciones peligrosas.\u003c/p\u003e\n\u003cp\u003eEl momento de inferencia es cuando el modelo recibe una entrada y toma una decisión. Google explica que aplica directrices para evitar riesgos en ese momento. También hay que distinguir a qué modelo y a qué evaluación corresponden las cifras de seguridad.\u003c/p\u003e\n\u003cp\u003eEstas son las cifras de seguridad del anuncio del 10 de noviembre de 2026.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eEvaluación\u003c/th\u003e\n\u003cth\u003eResultado anunciado\u003c/th\u003e\n\u003cth\u003eAlcance de la interpretación\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eFinalización segura de tareas cerca de obstáculos\u003c/td\u003e\n\u003ctd data-label=\"Resultado anunciado\"\u003eMejora del 33%\u003c/td\u003e\n\u003ctd data-label=\"Alcance de la interpretación\"\u003eMejora al aplicar las directrices\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eFinalización segura de tareas en entornos con personas cerca\u003c/td\u003e\n\u003ctd data-label=\"Resultado anunciado\"\u003eMejora del 43%\u003c/td\u003e\n\u003ctd data-label=\"Alcance de la interpretación\"\u003eMejora al aplicar las directrices\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eTasa de defensa contra el jailbreak de Gemini 4 Argon\u003c/td\u003e\n\u003ctd data-label=\"Resultado anunciado\"\u003e99.5%\u003c/td\u003e\n\u003ctd data-label=\"Alcance de la interpretación\"\u003eResultado anunciado de la evaluación de jailbreak\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Evaluación\"\u003eTasa de defensa contra el jailbreak del modelo de referencia\u003c/td\u003e\n\u003ctd data-label=\"Resultado anunciado\"\u003e82%\u003c/td\u003e\n\u003ctd data-label=\"Alcance de la interpretación\"\u003eResultado de comparación de Gemini Robotics ER 2\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eLa tasa de defensa contra el jailbreak es un resultado de la evaluación de Gemini 4 Argon. Citarla como la tasa de operación sin accidentes del modelo de acción en fábrica cambia el objeto de la evaluación. Los porcentajes de mejora de la finalización segura de tareas también deben distinguirse de las tasas de éxito absolutas. \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eDescripción de la evaluación de seguridad de Google DeepMind\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003eEl repositorio ASIMOV-Jailbreak distingue entre instrucciones dañinas e instrucciones normales. También incluye evaluaciones de ataques que se prolongan durante varias interacciones. La tasa de rechazo excesivo de solicitudes normales es otro de los aspectos evaluados. \u003ca href=\"https://huggingface.co/datasets/google/asimov_agentic\"\u003eRepositorio de evaluación ASIMOV de Google\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003eLos dispositivos físicos también tienen funciones de seguridad independientes. Apptronik explica que el robot se detiene de inmediato cuando detecta un objeto en una zona de colisión configurada. También ofrece ajustes de movimiento según las zonas del entorno. Estas son funciones de hardware que deben comprobarse por separado de la evaluación del modelo.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#simulaci%C3%B3n-y-datos-de-entrenamiento-reales\" class=\"anchor\" id=\"simulación-y-datos-de-entrenamiento-reales\"\u003e\u003c/a\u003eSimulación y datos de entrenamiento reales\u003c/h2\u003e\n\u003cp\u003eSegún la explicación de Google, la simulación se combinó con datos de demostraciones reales. Gemini 4 Argon genera entornos virtuales de entrenamiento a partir de escenas captadas por cámaras. También ayuda en la investigación que busca hipótesis de mejora en vídeos de fallos.\u003c/p\u003e\n\u003cp\u003eUn gemelo digital es una reproducción de un entorno real en un espacio virtual. En el entorno virtual se pueden repetir pruebas variando las condiciones. Las pruebas con robots reales comprueban si esos resultados también se cumplen en el entorno físico. \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eDescripción del proceso de entrenamiento de Google DeepMind\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003eEn esta estructura, la fábrica es tanto un lugar de uso como un espacio de evaluación. Esto se debe a que las piezas y las secuencias de trabajo reales ponen a prueba el alcance de aplicación del modelo. Sin embargo, la mejora de la eficiencia del entrenamiento no puede convertirse directamente en una cantidad de ahorro en costes de implantación.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#diferencia-entre-la-disponibilidad-para-socios-y-una-api-p%C3%BAblica\" class=\"anchor\" id=\"diferencia-entre-la-disponibilidad-para-socios-y-una-api-pública\"\u003e\u003c/a\u003eDiferencia entre la disponibilidad para socios y una API pública\u003c/h2\u003e\n\u003cp\u003eLa disponibilidad pública del modelo de acción y del modelo ER debe comprobarse por separado. Según el anuncio, el modelo de acción se ofrece de forma gradual a los socios de robótica. La página oficial de ER 2 indica que está disponible en vista previa pública.\u003c/p\u003e\n\u003cp\u003eEl anuncio de Google DeepMind describió el alcance de la disponibilidad de la siguiente manera.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eGemini Robotics 2.5 se está ofreciendo de forma gradual a nuestros socios de robótica.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eLa fuente es el \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eanuncio de Gemini Robotics 2.5\u003c/a\u003e.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eModelo\u003c/th\u003e\n\u003cth\u003eDisponibilidad confirmada\u003c/th\u003e\n\u003cth\u003eDistinción importante\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Modelo\"\u003eGemini Robotics 2.5\u003c/td\u003e\n\u003ctd data-label=\"Disponibilidad confirmada\"\u003eDisponibilidad gradual para socios de robótica\u003c/td\u003e\n\u003ctd data-label=\"Distinción importante\"\u003eNo equivale a la publicación de una API de acción para desarrolladores en general\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Modelo\"\u003eGemini Robotics ER 2\u003c/td\u003e\n\u003ctd data-label=\"Disponibilidad confirmada\"\u003eVista previa pública en Google AI Studio y Gemini API\u003c/td\u003e\n\u003ctd data-label=\"Distinción importante\"\u003eAlcance del acceso al modelo de razonamiento\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eEl acceso a la API de ER no implica tener acceso al modelo de acción. Este anuncio tampoco permite determinar el calendario de implantación comercial en Corea. La disponibilidad de cada modelo debe comprobarse en su página oficial.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#errores-frecuentes-al-interpretar-las-cifras-de-rendimiento\" class=\"anchor\" id=\"errores-frecuentes-al-interpretar-las-cifras-de-rendimiento\"\u003e\u003c/a\u003eErrores frecuentes al interpretar las cifras de rendimiento\u003c/h2\u003e\n\u003cp\u003eSi se omiten el objeto de evaluación y la unidad de medida, se mezclan resultados distintos. En particular, agrupar cifras solo por el nombre del modelo dificulta su interpretación. Al citarlas, deben indicarse también la tarea y las condiciones de comparación.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eInterpretación frecuente\u003c/th\u003e\n\u003cth\u003eDistinción correcta\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Interpretación frecuente\"\u003eLa tasa de éxito mejoró un 100%, por lo que todas las tareas tuvieron éxito\u003c/td\u003e\n\u003ctd data-label=\"Distinción correcta\"\u003eLa mejora relativa y la tasa de éxito absoluta son distintas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Interpretación frecuente\"\u003eLa tasa de éxito en fábrica es el grado de automatización de toda la fábrica\u003c/td\u003e\n\u003ctd data-label=\"Distinción correcta\"\u003eLos resultados de la PoC de preparación de kits y el alcance de la automatización son distintos\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Interpretación frecuente\"\u003eLa tasa de defensa contra el jailbreak es la tasa de operación sin accidentes del robot\u003c/td\u003e\n\u003ctd data-label=\"Distinción correcta\"\u003eLa resistencia a ataques y los indicadores de accidentes físicos son distintos\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Interpretación frecuente\"\u003eLa API de ER permite usar directamente el modelo de acción\u003c/td\u003e\n\u003ctd data-label=\"Distinción correcta\"\u003eLos permisos de acceso deben comprobarse por separado para cada modelo\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Interpretación frecuente\"\u003eLa producción aumenta en la misma proporción que la velocidad de finalización de tareas\u003c/td\u003e\n\u003ctd data-label=\"Distinción correcta\"\u003eHace falta una medición que incluya el tiempo de recuperación y las esperas del proceso\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch2\u003e\n\u003ca href=\"#preguntas-frecuentes\" class=\"anchor\" id=\"preguntas-frecuentes\"\u003e\u003c/a\u003ePreguntas frecuentes\u003c/h2\u003e\n\u003cp\u003eDistinguir las funciones de los modelos, las unidades de evaluación y la disponibilidad pública permite aclarar las principales dudas.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#gemini-robotics-25-es-el-cuerpo-de-un-robot\" class=\"anchor\" id=\"gemini-robotics-25-es-el-cuerpo-de-un-robot\"\u003e\u003c/a\u003e¿Gemini Robotics 2.5 es el cuerpo de un robot?\u003c/h3\u003e\n\u003cp\u003eEs un modelo VLA que controla robots. Apollo 2 es el cuerpo de un robot que lo utiliza. Hay que distinguir el rendimiento del modelo de las capacidades físicas del cuerpo.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#las-unas-200-tareas-son-el-n%C3%BAmero-de-procesos-de-una-f%C3%A1brica-real\" class=\"anchor\" id=\"las-unas-200-tareas-son-el-número-de-procesos-de-una-fábrica-real\"\u003e\u003c/a\u003e¿Las unas 200 tareas son el número de procesos de una fábrica real?\u003c/h3\u003e\n\u003cp\u003eSe refieren a los tipos de tareas de la evaluación del modelo anunciada. No significa que todas sean procesos de una fábrica de automóviles. El número de tareas evaluadas y el alcance de la prueba en fábrica son aspectos distintos.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#puede-calcularse-el-efecto-de-la-implantaci%C3%B3n-solo-con-la-tasa-de-%C3%A9xito-en-f%C3%A1brica\" class=\"anchor\" id=\"puede-calcularse-el-efecto-de-la-implantación-solo-con-la-tasa-de-éxito-en-fábrica\"\u003e\u003c/a\u003e¿Puede calcularse el efecto de la implantación solo con la tasa de éxito en fábrica?\u003c/h3\u003e\n\u003cp\u003eLa tasa de éxito por sí sola no permite calcular los costes ni la producción. También hay que conocer el tiempo de trabajo y el tiempo de recuperación ante fallos. Además, se necesitan los criterios de evaluación de calidad y las condiciones de intervención humana.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#vista-previa-p%C3%BAblica-e-implantaci%C3%B3n-comercial-significan-lo-mismo\" class=\"anchor\" id=\"vista-previa-pública-e-implantación-comercial-significan-lo-mismo\"\u003e\u003c/a\u003e¿Vista previa pública e implantación comercial significan lo mismo?\u003c/h3\u003e\n\u003cp\u003eLa vista previa pública es un estado de disponibilidad que permite acceder a un modelo concreto. No significa que se haya completado la integración con los sistemas de una fábrica. Las condiciones de disponibilidad del modelo de acción también deben comprobarse por separado.\u003c/p\u003e\n","tags":["IA generativa","Desarrollo de IA","Robots","Estrategia tecnológica"],"faqs":[{"question":"¿Qué es el VLA de Gemini Robotics 2.5?","answer":"VLA son las siglas de Vision-Language-Action. Se refiere a un modelo que conecta la información visual y las instrucciones lingüísticas con las acciones del robot."},{"question":"¿En qué se diferencian Gemini Robotics ER y el modelo de acción?","answer":"ER es un modelo de razonamiento que gestiona la planificación de las tareas y su estado de avance. En la prueba en fábrica, el modelo de acción se encargó del control de ambas manos y de los brazos."},{"question":"¿La mejora del 30~100% en la tasa de éxito corresponde a una tasa de éxito absoluta?","answer":"Es una mejora relativa respecto al modelo de referencia anterior. Para calcular la nueva tasa de éxito absoluta, se necesita la tasa de éxito previa de la misma tarea."},{"question":"¿Qué mide la tasa de éxito del 96% de la prueba en fábrica?","answer":"Es la tasa de éxito anunciada en una PoC de preparación de kits de piezas de automóvil. Corresponde al resultado de las tareas que Apollo 2 ejecutó en la línea de producción de Mercedes-Benz."},{"question":"¿La mejora en la rapidez para completar las tareas puede considerarse un aumento de la producción?","answer":"La rapidez para completar las tareas no basta para calcular la tasa de aumento de la producción total. Se necesita el tiempo de operación que incluya los reintentos, la recuperación tras los fallos y las esperas del proceso."},{"question":"¿A qué modelo corresponde la tasa de defensa contra jailbreak del 99.5%?","answer":"Es el resultado de la evaluación de jailbreak de Gemini 4 Argon que anunció Google. No representa la tasa de operación sin accidentes del modelo de acción en fábrica."},{"question":"¿Pueden los desarrolladores en general usar directamente la API del modelo de acción?","answer":"El acceso anunciado al modelo de acción está limitado a socios de robótica. Hay que distinguir entre la vista previa pública de ER 2 y los permisos de acceso al modelo de acción."},{"question":"¿Se ha anunciado un calendario para su adopción comercial en las fábricas del país?","answer":"Este anuncio por sí solo no permite confirmar el calendario de adopción comercial en el país. Las condiciones concretas de disponibilidad y el calendario deben consultarse con Google y los proveedores de robots."}],"sources":[{"url":"https://blog.google/intl/ko-kr/company-news/technology/gemini-robotics-2-5-kr/","title":"Anuncio de Google en coreano: Gemini Robotics 2.5: acelerar la inteligencia física en el mundo real","type":"source"},{"url":"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/","title":"Google DeepMind: anuncio de Gemini Robotics 2.5","type":"source"},{"url":"https://deepmind.google/models/gemini-robotics/vla/","title":"Google DeepMind: modelo VLA de Gemini Robotics 2.5","type":"source"},{"url":"https://deepmind.google/models/gemini-robotics/embodied-reasoning/","title":"Google DeepMind: información sobre el modelo Gemini Robotics ER 2","type":"source"},{"url":"https://apptronik.com/apollo/apollo-2","title":"Apptronik: plataforma Apollo 2 y funciones operativas y de seguridad","type":"source"},{"url":"https://huggingface.co/datasets/google/asimov_agentic","title":"Google: Asimov Agentic Safety Evaluation y ASIMOV-Jailbreak","type":"source"}],"images":[{"id":2720,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDE3NzQsInB1ciI6ImJsb2JfaWQifX0=--942c42c606bce2666318996725dd445f966e877a/ai-4a3f957c.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"작업자가 안전 유리 너머로 지켜보는 가운데 양팔 로봇이 금속 브래킷을 칸막이 트레이에 넣고 있다.","caption":"공장 실증 성공률 96%는 자동차 부품 키팅 작업에 한정된 결과다.","description":null},"en":{"alt":"A dual-arm robot places metal brackets in a divided tray as a worker watches from behind a safety barrier.","caption":"The 96% factory trial success rate applies specifically to automotive parts kitting.","description":null},"ja":{"alt":"作業員が安全ガラス越しに見守る中、双腕ロボットが金属ブラケットを仕切り付きトレーに入れている。","caption":"工場実証での成功率96％は、自動車部品のキッティング作業に限定された結果だ。","description":null},"es":{"alt":"Un robot de dos brazos coloca soportes metálicos en una bandeja mientras una operaria observa tras un cristal.","caption":"La tasa de éxito del 96% en la prueba de fábrica corresponde específicamente a la preparación de kits de piezas de automóvil.","description":null},"id":{"alt":"Robot dua lengan menaruh braket logam ke baki bersekat, sementara pekerja mengamati dari balik kaca pengaman.","caption":"Tingkat keberhasilan 96% dalam uji pabrik khusus berlaku untuk penyiapan kit komponen otomotif.","description":null},"pt":{"alt":"Um robô de dois braços coloca suportes metálicos numa bandeja enquanto uma operadora observa atrás de um vidro.","caption":"A taxa de sucesso de 96% no teste de fábrica se refere especificamente à preparação de kits de peças automotivas.","description":null},"zh-hant":{"alt":"一名作業員隔著安全玻璃觀看，雙臂機器人將金屬支架放入分隔托盤。","caption":"工廠實證的96%成功率僅適用於汽車零件配套作業。","description":null},"de":{"alt":"Ein zweiarmiger Roboter legt Metallwinkel in eine Fächerschale, während eine Fachkraft hinter Schutzglas zusieht.","caption":"Die Erfolgsquote von 96 % im Werkstest gilt speziell für die Zusammenstellung von Automobilteilesätzen.","description":null}}},{"id":2721,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDE3ODAsInB1ciI6ImJsb2JfaWQifX0=--19b385253034a3ff7240ac9fd1708a09552dc8d6/ai-abdf1234.webp","is_representative":false,"generation_method":"ai_semi","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"보호안경과 주황색 작업복을 착용한 엔지니어가 로봇 집게와 완충재 장애물 사이의 간격을 살핀다.","caption":"작업 성공률과 안전성 평가는 구분해서 살펴봐야 한다.","description":null},"en":{"alt":"An engineer in safety glasses and an orange jacket checks the gap between a robot gripper and a padded obstacle.","caption":"Task success rates and safety evaluations must be considered separately.","description":null},"ja":{"alt":"保護メガネとオレンジ色の作業着を着た技術者が、ロボットのグリッパーと緩衝材付き障害物の間隔を確認する。","caption":"作業成功率と安全性評価は分けて捉える必要がある。","description":null},"es":{"alt":"Una ingeniera con gafas protectoras revisa la separación entre una pinza robótica y un obstáculo acolchado.","caption":"La tasa de éxito de las tareas y la evaluación de seguridad deben considerarse por separado.","description":null},"id":{"alt":"Insinyur berkacamata pelindung memeriksa jarak antara pencengkeram robot dan penghalang berlapis busa.","caption":"Tingkat keberhasilan tugas dan evaluasi keselamatan perlu ditinjau secara terpisah.","description":null},"pt":{"alt":"Uma engenheira de óculos de proteção verifica a distância entre uma garra robótica e um obstáculo acolchoado.","caption":"A taxa de sucesso das tarefas e a avaliação de segurança devem ser consideradas separadamente.","description":null},"zh-hant":{"alt":"一名戴著護目鏡、身穿橘色工作服的工程師，檢查機器人夾爪與軟墊障礙物之間的間距。","caption":"任務成功率與安全性評估應分開看待。","description":null},"de":{"alt":"Eine Ingenieurin mit Schutzbrille prüft den Abstand zwischen Robotergreifer und gepolstertem Hindernis.","caption":"Aufgabenerfolgsquoten und Sicherheitsbewertungen müssen getrennt betrachtet werden.","description":null}}}],"published_at":"2026-11-11T22:26:13+09:00","updated_at":"2026-11-11T22:26:13+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/es/articles/gemini-robotics-2-5-vla-factory-performance"}