Editorial collage of a robotic hand arranging metal brackets in a Mercedes-branded sequencing tray.Imagen de CryptoSlate

Los humanoides creados por DeepMind ya están realizando tareas en fábricas para Mercedes-Benz.

DeepMind informa un 96% de éxito en un proyecto piloto de clasificación de piezas en las líneas de producción de Mercedes-Benz en Alemania y Hungría. La frecuencia de intervención humana no ha sido revelada.

Resumen rápido

  1. DeepMind afirma que los humanoides Apollo 2 lograron un 96% de éxito en la clasificación de piezas de Mercedes-Benz en un proyecto piloto.
  2. Los robots prepararon las piezas para el ensamblaje de los vehículos, probando la IA en tareas físicas repetitivas en lugar de en demostraciones de laboratorio.
  3. La empresa no reveló con qué frecuencia intervenían los humanos ni qué tan rápido trabajaban los robots, por lo que su eficiencia durante un turno completo sigue sin aclararse.
Es la opción preferida por

Google DeepMind indica que los humanoides Apollo 2, desarrollados por Apptronik, lograron un 96% de éxito en la clasificación de piezas automotrices en líneas de producción activas de Mercedes-Benz, utilizando la IA para las tareas de preparación necesarias para el ensamblaje.

La empresa publicó los detalles de este proyecto.El concepto fue presentado el 10 de noviembre, identificando ubicaciones en Kecskemét (Hungría) y Sindelfingen (Alemania). El trabajo constituye una prueba específica para el modelo Gemini Robotics 2.5: organizar los componentes necesarios para la fabricación de automóviles. La tarea incluía la recolección de piezas de contenedores de almacenamiento masivo y su organización en el orden requerido para cada vehículo. El ejemplo presentado por DeepMind consistía en recoger soportes metálicos y colocarlos en contenedores específicos para su secuenciación; esto relaciona la demostración con un paso concreto en la preparación de los suministros para una línea de ensamblaje. Los estantes utilizados deben coincidir con los componentes necesarios para cada vehículo, por lo que asegurar el orden correcto de los componentes es parte esencial de la tarea. El robot debe no solo organizarlos, sino también moverlos. DeepMind informa un éxito del 96 por ciento en esta prueba. Un esquema muestra los soportes metálicos en un contenedor de almacenamiento masivo, el brazo robótico utilizado para su recogida y colocación, así como los estantes ordenados. No se revelan detalles sobre el tamaño de las unidades utilizadas en la prueba, la velocidad de ejecución, la frecuencia de intervención humana ni los costos asociados.El 96% de los resultados positivos fue reportado por DeepMind. La unidad de medición del éxito y el tamaño de los ensayos no han sido revelados. Se trata de una tarea de preparación en una fábrica que involucra la utilización de piezas metálicas (brackets) y el sistema APOLLO 2 para el proceso de selección y colocación de componentes (pick and place). El kit solicitado aún no ha sido reportado en detalle. Se ha indicado que la velocidad de ejecución del proceso, la necesidad de intervención humana y los costos asociados no han sido especificados. El diagrama que ilustra el proceso es esquemático y no representa el hardware real utilizado en el proyecto Apollo 2. Las fuentes y pruebas que respaldan estos datos no han sido divulgadas. Según una declaración hecha por Google DeepMind el 10 de noviembre de 2026, los humanoides Apptronik Apollo 2 lograron una tasa de éxito del 96% en un proyecto de prueba de concepto relacionado con el ensamblaje de componentes para vehículos, llevado a cabo en líneas de producción de Mercedes-Benz en funcionamiento. [1] DeepMind describió el proceso como el traslado de piezas individuales desde contenedores de almacenamiento a bandejas, en el orden necesario para cada vehículo; el ejemplo concreto utilizado incluía brackets metálicos para automóviles y contenedores para el control de la secuencia de ensamblaje. Sin embargo, no se proporcionaron detalles sobre la definición de éxito, el tamaño de los ensayos, la duración de la evaluación, los costos operativos ni el tiempo de funcionamiento efectivo del sistema.Las formas de los paréntesis y su cantidad son ilustrativas, no observaciones realizadas en pruebas. El 96% es la cifra reportada, sin que se especifique el denominador ni los cálculos aritméticos que la han generado.

El alcance del proyecto y los detalles técnicos no fueron revelados. El diagrama es esquemático y no representa el hardware real del Apollo 2.

El infográfico fue creado por CryptoSlate

Dos modelos participaron en el proyecto: Gemini Robotics ER supervisó el flujo de trabajo, mientras que Gemini Robotics 2.5 controlaba las manos y los brazos del robot, según DeepMind.

Lecturas relacionadas: Los agentes de IA acaban de completar una prueba de criptografía que solo requirió 20 mensajes humanos, según DeepMind.
El CEO de Apptronik, Jeff Cardenas, afirmó en el anuncio que los modelos mejoraron después de unas semanas de entrenamiento y que se pudieron integrar en la producción de Mercedes sin una gran disminución en el rendimiento.

Esta relación entre los modelos y sus funciones existe desde marzo de 2024, cuando Apptronik anunció un acuerdo para explorar nuevas aplicaciones para su tecnología Apollo, como la entrega de kits de ensamblaje, la inspección de componentes y el transporte de piezas. Se argumentó que los robots humanoides podrían encargarse de tareas repetitivas y físicamente demandantes en entornos diseñados para personas, lo que podría evitar la necesidad de rediseñar completamente las fábricas.

El 96% de los detalles mencionados queda sin aclaración. DeepMind califica este proceso como “autónomo”, pero no especifica qué se entiende por “éxito”: si se refiere a la selección individual de piezas, al completamiento de un conjunto de piezas o a otro tipo de resultado.La divulgación de estos datos no proporciona información sobre el número de pruebas realizadas, ni sobre la frecuencia de reinicios, las tasas de intervención humana, los tiempos de ciclo, el tiempo de funcionamiento ni los costos operativos. TAG173
TAG175@@Lectura relacionada: Un informe de vigilancia del AI indica que podríamos tener menos de 6 meses antes de que llegue la superinteligencia artificial. TAG179
TAG183@@Para los operadores de fábricas, las preguntas sin respuesta son: ¿Cuánto trabajo completan los robots en un turno? y ¿Con qué frecuencia es necesario que una persona intervenga para mantener el proceso de producción en marcha? TAG185
TAG187@@Lectura relacionada: ¿Estás obteniendo el nivel de inteligencia artificial por el que pagaste? La nueva herramienta de verificación de inteligencia artificial de Anthropic tiene un inconveniente significativo en términos de costos. TAG191
TAG195
TAG197TAG221
TAG223

TAG225
TAG227
TAG229