Gemini Robotics 2: AI Google Kontrol Robot Humanoid

Google DeepMind baru saja merilis Gemini Robotics 2, sebuah platform kecerdasan buatan yang mampu mengontrol seluruh tubuh robot humanoid—mulai dari kaki hingga ujung jari. Pembaruan ini menandai lompatan signifikan dari versi sebelumnya yang hanya fokus pada kontrol tubuh bagian atas, kini memungkinkan robot untuk berjalan, berjongkok, meregangkan tubuh, dan memanipulasi objek dengan koordinasi penuh. Dalam demonstrasi yang dirilis Kamis (30/7/2026) kemarin, robot Apollo 2 dari Apptronik terlihat membungkuk mengambil kaleng penyiram, mengambil barang dari rak, bahkan membereskan ruangan yang berantakan—semua dilakukan secara otonom.

Tiga Model AI Bekerja Bersama dalam Satu Sistem

Gemini Robotics 2 menggabungkan tiga model AI berbeda untuk menciptakan pemahaman multimodal terhadap lingkungan sekitar. Model pertama adalah Vision Language Model (VLM) yang memproses input visual dan bahasa, memungkinkan robot berkomunikasi dengan manusia sekaligus merencakan cara menyelesaikan tugas bertahap. Sementara itu, dua model Vision Language Action (VLA) bertanggung jawab mengonversi pemahaman visual dan bahasa menjadi kontrol motorik—satu untuk mengatur gerakan seluruh tubuh, dan satu lagi khusus untuk mengontrol pergerakan tangan atau gripper dengan presisi tinggi.

Menariknya, model ini dilatih menggunakan kombinasi teleoperasi manusia, contoh video, dan simulasi. Pendekatan berlapis ini memungkinkan robot mempelajari rentang tugas yang lebih luas, meski tetap memerlukan pelatihan spesifik untuk setiap jenis pekerjaan—belum ada model yang benar-benar general-purpose hingga saat ini.

Ketangkasan Tangan Lima Jari dan Kolaborasi Multi-Robot

Salah satu pencapaian terbesar dalam pembaruan ini adalah peningkatan kemampuan dexterity atau ketangkasan tangan. Gemini Robotics 2 kini dapat mengontrol tangan lima jari yang kompleks, memungkinkan robot melakukan tugas-tugas rumit seperti memasang lampu, mengikat kantong sampah, atau menutup plastik Ziploc dengan rapat. Video demonstrasi yang dibagikan Google menunjukkan robot Apollo 2 dengan tangan dari SharpaWave dan Inspire melakukan berbagai tugas manipulasi objek yang sebelumnya sulit dilakukan oleh robot.

Tak hanya itu, Google juga memperbarui Gemini Robotics ER (Embodied Reasoning) 2, model VLM yang berfungsi sebagai agen untuk membantu robot memahami kapan tugas dimulai dan berakhir. Pembaruan ini memperkenalkan kemampuan baru yang memungkinkan beberapa robot dengan jenis berbeda bekerja sama menyelesaikan tugas. Dalam salah satu demo, robot Apollo 2 menginstruksikan robot lengan ganda untuk memasukkan perkakas ke dalam wadah saat membersihkan garasi—menunjukkan koordinasi multi-robot yang belum pernah ada sebelumnya.

Model On-Device yang Adaptif dan Mandiri

Google DeepMind juga menghadirkan Gemini Robotics On-Device 2, model VLA yang dioptimalkan untuk berjalan secara lokal di perangkat robot tanpa memerlukan koneksi internet. Keunggulan model ini terletak pada kemampuan adaptasi cepatnya—hanya dalam hitungan jam, model dapat menyesuaikan diri dengan fisik robot yang sepenuhnya baru, bahkan yang memiliki bentuk, sensor, dan derajat kebebasan gerakan yang sangat berbeda. Uji coba model ini melibatkan robot Apollo 2 dari Apptronik dan Franka Duo dengan gripper Robotiq, semuanya menggunakan checkpoint model yang sama.

Carolina Parada, kepala divisi robotika di Google DeepMind, menjelaskan bahwa pencapaian ini merupakan tonggak penting dalam perjalanan menuju “physical AGI”—sebuah visi di mana robot dapat melakukan apa pun yang bisa dilakukan manusia. Namun, ia juga mengakui bahwa robot masih perlu meningkatkan kecepatan gerak untuk dapat menyelesaikan tugas dunia nyata yang lebih kompleks.

Keamanan Fisik dan Benchmark ASIMOV-Agentic

Memberikan kontrol penuh kepada AI frontier untuk mengoperasikan robot fisik tentu membawa risiko tersendiri. Berbeda dengan kesalahan chatbot yang hanya berdampak digital, kesalahan robot bisa berujung pada bahaya fisik yang nyata. Menyadari hal ini, Google menerapkan pendekatan keamanan berlapis pada setiap lapisan model. Gemini Robotics ER 2 diklaim sebagai model robotika paling aman yang pernah dirilis Google DeepMind, dilengkapi dengan kemampuan mendeteksi keberadaan manusia di sekitarnya dan memicu penghentian darurat jika ada seseorang mendekat terlalu dekat.

Selain itu, Google memperkenalkan ASIMOV-Agentic, sebuah benchmark baru untuk mengukur tingkat keamanan berbagai sistem AI yang berkolaborasi mengontrol robot. Benchmark ini dirancang untuk mendeteksi apakah sebuah perintah akan menghasilkan outcome yang berbahaya atau tidak pasti. “Pertanyaan keamanan menjadi lebih mendesak karena Anda menempatkan mereka dalam banyak situasi lain,” ungkap Parada. “Akan ada banyak ketidakpastian yang muncul, dan kita ingin bisa memahami pertanyaan keamanan ini dengan lebih mendalam.”

Akses Terbatas dan Visi Jangka Panjang

Saat ini, Gemini Robotics ER 2 telah tersedia di Google AI Studio, sementara model VLA dan On-Device baru dirilis kepada mitra awal yang terpilih. Google belum berencana meluncurkan robot konsumen dalam waktu dekat—ini masih tahap awal pengembangan. Namun, CEO Google DeepMind Demis Hassabis memiliki ambisi besar: menciptakan sistem operasi AI universal untuk robot, yang dapat bekerja pada berbagai bentuk dan jenis robot secara seamless.

Langkah Google ini menempatkan perusahaan selangkah lebih maju dibanding pesaing seperti Anthropic dan OpenAI yang masih fokus pada chatbot dan alat coding berbasis AI. Dengan rekam jejak yang kuat dalam riset robotika dan kemitraan sebelumnya dengan Boston Dynamics, Google DeepMind menunjukkan keseriusannya untuk membawa AI keluar dari ranah digital dan masuk ke dunia fisik—sebuah taruhan besar yang mungkin akan menentukan masa depan interaksi manusia dengan mesin.