Google DeepMind Rilis Gemini Robotics ER 2: Robot Bisa Pantau Progres Sendiri dan Kolaborasi Multi-Robot
Google DeepMind resmi memperkenalkan Gemini Robotics ER 2 pada 30 Juli 2026. Ini adalah model “embodied reasoning” terbaru yang bertindak sebagai otak tingkat tinggi untuk robot — memungkinkan mesin berkomunikasi dengan manusia, memahami dunia fisik, merencanakan tugas bertahap, dan menyerahkan eksekusi motorik ke model Vision-Language-Action (VLA) mana pun.
Yang baru di ER 2 bukan cuma satu hal. Ada tiga kemampuan kunci yang secara signifikan mengungguli pendahulunya.
Robot Melacak Progresnya Sendiri
Salah satu tantangan tersulit dalam robotika adalah mengetahui kapan sebuah tugas benar-benar selesai. ER 2 membawa perubahan besar dalam pemahaman video dan pelacakan progres.
Model ini punya apa yang disebut progress classification — kemampuan robot mengolong-ngolongkan progres tugas ke lima level (0-20%, 20-40%, 40-60%, 60-80%, 80-100%) berdasarkan frame video yang masuk. Dengan mengukur progres secara real-time, robot bisa menyesuaikan aksi di perjalanan atau mengulangi langkah yang gagal tanpa mengulang seluruh alur kerja dari awal.
Dalam pengujian, ER 2 mencapai akurasi 57,4% pada tugas klasifikasi progres — mengungguli model generasi sebelumnya dan model frontier lainnya.
Mendeteksi Kegagalan dengan Presisi Milidetik
ER 2 juga punya kemampuan moment-finding — mencari frame video persis di mana peristiwa kritis terjadi. Contohnya: kapan harus berhenti menuangkan kopi ke dalam cangkir.
Di sini ER 2 mencatatkan akurasi 91,3% dengan jarak absolut rata-rata hanya 0,96 detik. Angkat tersebut tidak hanya akurat, tapi juga cepat. Latensi sub-detik ini yang membuat robot bisa beroperasi di dunia nyata secara aman.
Dibanding kategori model yang lebih besar, ER 2 delivering presisi ini dengan biaya komputasi yang jauh lebih rendah dan kecepatan empat kali lipat.
Kolaborasi Multi-Robot
ER 2 juga memperkenalkan kolaborasi multi-robot. Tidak ada satu robot yang cocok untuk semua tugas — robot beroda misalnya bagus di dalam ruangan, sementara robot humanoid lebih cakap di medan tidak rata.
Dengan ER 2, mesin-mesin berbeda bisa berkomunikasi lewat pemahaman semantik bersama untuk menyerahkan dan menyelesaikan tugas yang terlalu kompleks untuk satu robot. Dalam demo, ER 2 mengkoordinasikan Apptronik Apollo 2 dan Franka F3 Duo supaya bekerja sama.
Integrasi ke Gemini Live API
Dari sisi arsitektur, ER 2 terintegrasi ke Gemini Live API menggunakan endpoint streaming bidirectional yang dioptimalkan untuk tugas sensitif latensi. Hasilnya, orkestrasi berjalan mulus tanpa jeda “berhenti dan berpikir” yang mengganggu.
Google juga mendemonstrasikan kemampuan ini dengan robot Spot dari Boston Dynamics — ER 2 mengoordinasikan API navigasi dan pergerakan manipulator Spot sehingga robot bisa mengambilkan benda berdasarkan perintah bahasa natural.
Peningkatan Keselamatan
ER 2 disebut sebagai model keselamatan terbaik dari Google. Ada peningkatan signifikan pada Safety Instruction Following dan Human Proximity — kemampuan model mengikuti batasan fisik selama tugas penalaran dan kesadaran spasial untuk mendeteksi kehadiran manusia.
Dalam pengujian, ER 2 berhasil menghentikan robot humanoid saat seseorang mendekat dan melanjutkan kerja secara otonom hanya setelah area bersih.
Ketersediaan
Gemini Robotics ER 2 sudah tersedia untuk pengembang melalui Gemini API dan Google AI Studio. Preview pribadi juga tersedia di Gemini Enterprise Agent Platform. Contoh konfigurasi dan prompt tersedia di GitHub.
Bersamaan dengan ER 2, Google juga merilis dua model fisik AI lainnya: model VLA untuk kontrol seluruh tubuh humanoid, dan model VLA on-device yang bisa adaptasi ke tubuh robot baru hanya dalam hitungan jam.
