Gemini Robotics 2.5: cosa sa fare l'IA per robot di Google e cosa significa per le aziende

Può un robot, in una fabbrica di auto in piena attività, prendere pezzi di metallo da una cassa e ordinarli nella sequenza giusta, senza che qualcuno abbia programmato in anticipo ogni singolo movimento? È esattamente quello che Google DeepMind ha mostrato con Gemini Robotics 2.5, presentato il 10 novembre 2026. In un test negli stabilimenti Mercedes-Benz il tasso di successo è stato del 96 percento.1 Ho guardato cosa c'è dietro il modello, cosa significano i numeri e cosa di tutto questo è già rilevante oggi per le piccole e medie imprese.
Gemini Robotics 2.5 è un modello di IA che controlla i robot: vede attraverso le telecamere, capisce le istruzioni in linguaggio normale e le trasforma in movimenti di braccia e mani. Rispetto al predecessore, secondo Google riesce a eseguire molti più movimenti delicati, per esempio impacchettare dolci con una pinza o sciogliere un fiocco, e lavora il 20-30 percento più velocemente. Acquistare o usare il modello in prima persona non è ancora possibile: per ora va solo a partner della robotica come Apptronik. Quello che puoi già provare oggi è il modello di pianificazione Gemini Robotics ER 2 in Google AI Studio.1,2
I numeri più importanti
- 96 % di tasso di successo nell'ordinamento di componenti auto con il robot umanoide Apollo 2 negli stabilimenti Mercedes di Kecskemét (Ungheria) e Sindelfingen.1
- Dal 30 al 100 % di tasso di successo in più rispetto ai predecessori, a seconda del compito, con un tempo di esecuzione più breve del 20-30 %.1
- Più di 200 compiti diversi nel test, dalla pipettatura al servire con la pinza.1
- +33 % e +43 % di compiti eseguiti in sicurezza in presenza di ostacoli e di persone vicine.1
- 99,5 invece di 82 % di resistenza a istruzioni pericolose camuffate (Gemini 4 Argon rispetto a Gemini Robotics ER 2).1
Che cos'è Gemini Robotics 2.5?
Gemini Robotics 2.5 è un cosiddetto modello Vision-Language-Action, in breve modello VLA. Il nome descrive il modo di funzionare: riceve immagini dalle telecamere (Vision) e un'istruzione in linguaggio naturale (Language) e ne ricava direttamente comandi di controllo per i motori (Action).1,3 I classici robot industriali lavorano in modo diverso. Percorrono una traiettoria programmata in modo rigido e, se un pezzo è messo di traverso nella cassa, si fermano o sbagliano la presa. Un modello VLA dovrebbe adattarsi a queste deviazioni, perché vede la scena e capisce il compito.
Google punta su un'interazione tra due modelli. Il modello di pianificazione Gemini Robotics ER 2 (ER sta per Embodied Reasoning) mantiene la visione d'insieme: capisce lo spazio, scompone un compito in passaggi, parla con le persone e verifica se un passaggio è riuscito. Il modello di azione Gemini Robotics 2.5 traduce i singoli passaggi in movimenti.1,4 Per i robot che devono lavorare senza internet o senza ritardi esiste inoltre una variante più piccola, che gira direttamente sul dispositivo.4
| Modello | Compito | Disponibilità (aggiornato al 14.11.2026) |
|---|---|---|
| Gemini Robotics 2.5 | Modello di azione (VLA): controlla braccia, mani e l'intero corpo | solo partner della robotica |
| Gemini Robotics ER 2 | Modello di pianificazione: capisce lo spazio, pianifica i passaggi, coordina più robot | anteprima pubblica in Google AI Studio e Gemini API, anteprima chiusa nella Gemini Enterprise Agent Platform |
| Gemini Robotics On-Device 2 | piccolo modello VLA, gira in locale sul robot | partner in accesso anticipato |
| Gemini 4 Argon | modello generale, accelera la ricerca sulla robotica | Gemini API (a pagamento), Google AI Ultra |
Il modello non è legato a un robot specifico. Google lo mostra sul robot umanoide Apollo 2 di Apptronik con una mano a cinque dita (SharpaWave, 22 gradi di libertà) e su una piattaforma Franka Duo con due semplici pinze a due dita.1 Già la variante On-Device della versione 2, secondo Google, si poteva adattare a nuovi robot a due braccia in poche ore, di solito con meno di 200 esempi.4
Cosa c'è di nuovo rispetto a Gemini Robotics 2?
Gemini Robotics 2 è uscito a luglio 2026 e controlla i robot con tutto il corpo, dal piede alla punta delle dita: camminare, chinarsi e afferrare in un unico flusso.4 La versione 2.5 punta soprattutto su destrezza e affidabilità. Google indica tre ambiti: più abilità con le dita, risultati più affidabili nell'uso reale e più sicurezza.1
Il salto si nota di più nei compiti con oggetti morbidi o delicati. Stoffa e nastri si deformano a ogni contatto, i dolci si schiacciano subito. Per i robot è da anni una delle cose più difficili in assoluto. Nei test di Google, il quadro è questo:1
| Compito | Gemini Robotics 2 | Gemini Robotics 2.5 |
|---|---|---|
| Impacchettare dolci con una pinza | 5 % | 100 % |
| Sciogliere un fiocco regalo | 0 % | 70 % |
| Appendere un cardigan | 0 % | 62 % |
| Piegare un paio di pantaloni | 0 % | 40 % |

Usare il grafico sul tuo sito
Puoi usare liberamente il grafico citando la fonte. Copia questo codice:
<a href="https://simon-traffic.com/it/blog/ia-automazione/gemini-robotics-2-5-guida/"><img src="https://simon-traffic.com/assets/blog/gemini-robotics/gemini-robotics-2-5-erfolgsquote.it.png" alt="Gemini Robotics 2.5: tasso di successo nei movimenti difficili" width="1200" height="675"></a>
<p>Fonte: <a href="https://simon-traffic.com/it/blog/ia-automazione/gemini-robotics-2-5-guida/">Simon Traffic, Gemini Robotics 2.5</a></p>Quello che noto: i pantaloni vengono piegati bene solo nel 40 percento dei tentativi. Per una lavanderia sarebbe inutile. Interessante però è la direzione, perché con la versione 2 tre di questi quattro compiti erano ancora a zero. Tutti i valori provengono da Google stessa, finora non ci sono misurazioni indipendenti.
Il test sul campo da Mercedes-Benz: kitting con il 96 percento
La parte più interessante dell'annuncio, per me, non è il laboratorio ma la fabbrica. Google DeepMind ha impiegato, insieme ad Apptronik e Mercedes-Benz, robot umanoidi di tipo Apollo 2 su linee di produzione in funzione, a Kecskemét in Ungheria e a Sindelfingen.1
Il compito si chiama kitting: i singoli pezzi vengono presi da grandi casse e ordinati nei contenitori esattamente nella sequenza in cui serviranno poi sulla linea per un determinato veicolo. È monotono, fisicamente faticoso e deve comunque essere corretto. Nel test Apollo 2 ha preso staffe metalliche dalle casse di scorta e le ha messe nei contenitori di ordinamento. Il modello di pianificazione ER teneva sotto controllo il flusso, il modello di azione 2.5 comandava mani e braccia e compensava le lacune. Risultato: 96 percento di tasso di successo.1
Il CEO di Apptronik, Jeff Cardenas, dice che i modelli sono migliorati molto dopo poche settimane di training aggiuntivo e che si sono potuti trasferire alla produzione Mercedes con una perdita di prestazioni minima.1
Importante per inquadrare il risultato: Google parla espressamente di proof of concept, cioè di un test di fattibilità. Di un funzionamento a regime non si parla. Il 96 percento suona alto, ma significa anche che su 100 pezzi in media quattro prese non riescono. In una linea che lavora a cadenza servono quindi ancora persone che intervengano. Eppure è un altro livello rispetto ai soliti video da fiera, perché è successo in una fabbrica vera e non in una scenografia di laboratorio ordinata.
Gemini 4 Argon: allenarsi in simulazione invece che solo sul robot reale
I robot imparano lentamente, perché ogni tentativo nel mondo reale costa tempo. Montare la telecamera, far girare il robot, guardare gli errori, correggere, e questo migliaia di volte. Qui entra in gioco Gemini 4 Argon, il modello generale di punta di Google, presentato a ottobre 2026 anche per la robotica.5
Secondo Google, Argon ha accelerato molto lo sviluppo di Gemini Robotics 2.5, in tre modi:1
- Gemello digitale: da una scena reale ripresa da una telecamera, Argon costruisce una simulazione realistica dello stesso ambiente.
- Sessioni di allenamento: in questa simulazione genera migliaia di esecuzioni modificate. Insieme a dimostrazioni reali, il robot impara così più in fretta a gestire scene e oggetti nuovi.
- Analisi degli errori: Argon guarda i video dei tentativi falliti, formula ipotesi sulle cause e testa i miglioramenti prima in simulazione e poi sul robot reale.
Quanto renda tutto questo lo mostra un esempio dal blog per sviluppatori di Google. Da un'unica foto di un tavolo Argon ha costruito in autonomia una simulazione fisica, ha generato al suo interno oltre 4.500 esecuzioni di allenamento modificate e le ha date al modello del robot per il training aggiuntivo. In seguito il tasso di successo del robot reale è salito dal 56 al 75 percento, mentre il tempo per compito è sceso da 35 a 24 secondi.5
Nel benchmark ERQA, che valuta la comprensione spaziale in ambienti 3D, Argon raggiunge secondo Google l'87 percento e supera così tutti gli altri modelli di punta.5 Per me è la vera leva dietro l'annuncio. Se il training dei robot avviene in gran parte in simulazione, tempo e costi per ogni nuovo compito calano. Ed è proprio questo a decidere, alla fine, se un robot vale la pena in un'azienda con molti compiti che cambiano.
Sicurezza: come Google protegge i robot da errori e manipolazioni
Un modello linguistico che risponde in modo sbagliato è fastidioso. Un robot che afferra nel modo sbagliato può ferire qualcuno. Google cita due novità.1
Sicurezza nell'azione. Durante l'esecuzione Gemini Robotics 2.5 usa un ulteriore supporto di ragionamento che lo guida in tempo reale lontano dai pericoli, in modo simile ai filtri di sicurezza di un chatbot. Nei test di Google questo ha portato a eseguire in sicurezza il 33 percento di compiti in più quando c'erano ostacoli sul percorso e il 43 percento in più quando c'erano persone vicine.1 Già Gemini Robotics ER 2 riesce a riconoscere quando qualcuno si avvicina troppo e a fermare il robot in sicurezza.4
Protezione da comandi camuffati. Con ASIMOV-Jailbreak Google ha pubblicato un test aperto. Contiene centinaia di istruzioni che confezionano incarichi pericolosi come innocui, distribuite su decine di scene. Gemini 4 Argon resiste al 99,5 percento di questi tentativi, mentre la base di confronto precedente, Gemini Robotics ER 2, era all'82 percento.1 Il dataset di test è disponibile su Hugging Face con licenza CC BY 4.0 (accesso dopo aver accettato le condizioni d'uso). Le aziende di robotica possono usarlo per verificare i propri sistemi.6
Dove si colloca Google rispetto a Tesla, Nvidia e gli altri?
Chi cerca robot con IA arriva presto a Tesla Optimus o ad Atlas di Boston Dynamics. La differenza principale: Google non vende robot propri, ma sviluppa il cervello che finisce nei robot di altri produttori. Il corpo di Apollo 2 viene da Apptronik, la mano a cinque dita da Sharpa e il controllo da Google DeepMind.1 Anche Boston Dynamics è tra i partner di Google.3 Tesla invece sviluppa robot e software in un'unica mano, Nvidia con Isaac GR00T fornisce modelli propri per robot umanoidi e produttori cinesi come Unitree portano sul mercato hardware economico.
Per le aziende è rilevante perché si aprono due strade. O acquisterai più avanti un sistema completo di un produttore, oppure un robot su cui gira un modello come Gemini Robotics. Quale strada si affermerà è ancora aperto.
Physical AI: cosa significa per le piccole e medie imprese?
Physical AI, in italiano IA fisica, è al momento uno degli argomenti più cercati in più rapida crescita. Questo non significa però che domani ci sarà un robot umanoide nella tua officina. La mia valutazione, a oggi:
A breve termine, per la maggior parte delle aziende non cambia nulla. Gemini Robotics 2.5 è disponibile solo per i partner, non esiste un'interfaccia pubblica né un prezzo. Chi compra oggi un robot umanoide non riceve questo modello.
A medio termine, compiti come il kitting sono i primi candidati. Mi riferisco ad attività che si ripetono spesso ma in cui i pezzi non sono sempre disposti allo stesso modo: picking, ordinamento, imballaggio, allestimento/riempimento dei contenitori. È proprio lì che i classici robot industriali falliscono, perché l'ambiente è troppo disordinato, ed è proprio lì che Google interviene. Restano aperte alcune domande che ogni azienda deve chiarire prima che un robot simile lavori accanto alle persone: chi risponde se danneggia qualcosa o ferisce qualcuno, e come si inserisce nelle norme di sicurezza per le macchine?
Quello che puoi fare già adesso c'entra poco con i robot. Un robot con IA, come ogni applicazione di IA, ha bisogno di processi descritti con chiarezza. Se oggi documenti bene i tuoi gesti, le sequenze e i casi di errore, hai la base per qualsiasi automazione futura, digitale o fisica. È la classica ottimizzazione dei processi. A che punto è la tua azienda con l'IA nel complesso, lo puoi valutare in pochi minuti con il check sulla maturità IA. I successi più rapidi per la maggior parte delle piccole aziende restano nei processi digitali come fissare appuntamenti, gestire richieste e documenti, spesso già con un agente IA o un modello locale come Nemotron 3.5 Bolt.
Cosa puoi già provare oggi
Anche senza un robot puoi già vedere come ragiona l'IA per la robotica di Google:
- Gemini Robotics ER 2 in Google AI Studio. Il modello di pianificazione è disponibile lì come anteprima pubblica e accetta testo, immagini, video e audio. Carichi per esempio la foto di uno scaffale o di un banco di lavoro, fai riconoscere gli oggetti e ti fai pianificare e spiegare una sequenza in passaggi.2
- Gemini 4 Argon tramite la Gemini API. Argon è disponibile nel livello a pagamento della Gemini API e per gli abbonati a Google AI Ultra.5 Nel blog per sviluppatori di Google trovi prompt di esempio, per esempio su come Argon costruisce simulazioni o controlla un robot senza training preliminare.
- Lista d'attesa per tester. Google dichiara di collaborare con oltre 100 tester selezionati, dai grandi fornitori di automazione alle startup di robotica, e di accogliere altri interessati tramite una lista d'attesa.3
- Benchmark ASIMOV. Chi sviluppa robot in proprio può verificare la propria sicurezza con il dataset aperto.6
Cronologia: Gemini Robotics dal 2025 a oggi
| Data | Pubblicazione | Novità |
|---|---|---|
| Marzo 2025 | Gemini Robotics | primo modello, Gemini controlla i robot |
| Settembre 2025 | Gemini Robotics 1.5 | agenti IA nel mondo fisico, trasferimento dei movimenti tra robot |
| Aprile 2026 | Gemini Robotics-ER 1.6 | migliore pianificazione e comprensione spaziale |
| Luglio 2026 | Gemini Robotics 2 | controllo dell'intero corpo, più robot in squadra |
| Ottobre 2026 | Gemini 4 Argon per la robotica | simulazione, gemelli digitali, analisi degli errori |
| Novembre 2026 | Gemini Robotics 2.5 | più destrezza, test in fabbrica da Mercedes, ASIMOV-Jailbreak |
Conclusione: un grande passo, ma non ancora un prodotto
Gemini Robotics 2.5 mostra che i robot controllati dall'IA stanno uscendo dal laboratorio. Il 96 percento nel kitting in una vera fabbrica di auto e il salto con gli oggetti morbidi e delicati sono impressionanti, anche se tutti i numeri provengono da Google stessa. Il vero progresso, per me, sta nel training: se i robot fanno una gran parte dell'allenamento in simulazione, ogni nuovo compito diventa più economico.
Per le piccole e medie imprese, oggi l'argomento è ancora da osservare, non da comprare. Ma chi descrive bene i propri processi fin da ora e introduce l'automazione digitale sarà pronto quando l'IA fisica diventerà accessibile.
Domande frequenti su Gemini Robotics
Che cos'è Gemini Robotics?
Gemini Robotics è una famiglia di modelli di Google DeepMind che controlla i robot con l'IA. È composta da un modello di pianificazione (Gemini Robotics ER 2), un modello di azione (Gemini Robotics 2.5) e una piccola variante da usare direttamente sul robot (On-Device 2).3
Posso acquistare o usare Gemini Robotics 2.5?
No, non ancora. Gemini Robotics 2.5 viene distribuito a partner della robotica come Apptronik. Utilizzabile pubblicamente è il modello di pianificazione Gemini Robotics ER 2 in Google AI Studio. Per l'accesso anticipato esiste una lista d'attesa.1,3
Che cos'è un modello VLA?
VLA sta per Vision, Language, Action. Un modello di questo tipo riceve immagini dalle telecamere e un'istruzione in linguaggio naturale e ne ricava direttamente comandi di movimento per un robot. Non va quindi programmato per ogni singolo gesto.1
Qual è la differenza tra Physical AI ed Embodied AI?
Entrambi i termini indicano un'IA che non elabora solo testo o immagini, ma agisce nel mondo fisico, per esempio in un robot. Embodied AI sottolinea il corpo, cioè il fatto che l'IA percepisce tramite sensori e agisce tramite motori. Embodied AI viene più dalla ricerca, Physical AI è il termine corrente del settore e del mercato. In pratica i due termini di solito indicano la stessa cosa.
Con quali robot funziona Gemini Robotics 2.5?
Google lo mostra sul robot umanoide Apollo 2 di Apptronik e sulla piattaforma Franka Duo con due bracci a pinza. La famiglia di modelli è pensata per funzionare con molti tipi di robot. Tra i partner ci sono Apptronik, Agile Robots e Boston Dynamics.1,3
Da Mercedes-Benz lavorano ora robot umanoidi in produzione?
Non a regime. L'impiego di Apollo 2 a Kecskemét e Sindelfingen è stato un test di fattibilità su linee in funzione, in cui i robot hanno ordinato i pezzi con un tasso di successo del 96 percento.1
Quando arriveranno i robot con IA nelle piccole aziende?
Non c'è una data. Google non indica né un prezzo né una data per una disponibilità ampia.1 Probabilmente a trarne vantaggio per primi saranno grandi aziende industriali e operatori logistici, con compiti come kitting e picking. Per le aziende più piccole, nel frattempo, vale la pena documentare i processi e introdurre l'automazione digitale.
Che cos'è Gemini 4 Argon?
Gemini 4 Argon è il modello generale di punta di Google. Nella robotica costruisce simulazioni e gemelli digitali a partire da immagini di telecamere, genera sessioni di allenamento e analizza gli errori. È disponibile tramite la Gemini API a pagamento e Google AI Ultra.5
Come citare questo articolo
Gütter, Simon (2026): Gemini Robotics 2.5: cosa sa fare l'IA per robot di Google e cosa significa per le aziende. Simon Traffic, 14 novembre 2026. https://simon-traffic.com/it/blog/ia-automazione/gemini-robotics-2-5-guida/
Fonti
- Google DeepMind: Gemini Robotics 2.5 accelerates real-world general dexterity, 10.11.2026.
- Google DeepMind: Gemini Robotics ER 2, pagina del modello, consultato il 14.11.2026.
- Google DeepMind: Gemini Robotics, panoramica e partner, consultato il 14.11.2026.
- Google DeepMind: Gemini Robotics 2 brings whole body intelligence to robots, 30.07.2026.
- Google Developers Blog: Gemini 4 Argon for Robotics, 13.10.2026.
- Google su Hugging Face: ASIMOV Agentic Safety Evaluation inklusive ASIMOV-Jailbreak, licenza CC BY 4.0, consultato il 14.11.2026.
Tutti i valori di prestazione sono dichiarazioni del produttore, Google DeepMind. Aggiornato al: 14 novembre 2026.