Gemini Robotics 2 为机器人带来全身智能
来自 Google DeepMind · 期号 2026-07-28
摘要
大多数机器人只能执行预设或远程操控的重复任务，无法自主学习或适应环境。 Google DeepMind 推出 Gemini Robotics 2，一套为机器人提供智能的模型层。它让机器人能推理每一步动作，实现从脚到指尖的全身控制、精细操作，甚至多台机器人协作完成复杂任务。 该系列包含三个模型：Gemini Robotics 2 是最先进的视觉-语言-动作模型（VLA），可将视觉和语言输入直接转为电机控制；Gemini Robotics ER 2 是具身推理模型，负责与人类沟通、理解物理世界并规划多步任务；Gemini Robotics On-Device 2 是专为本地设备优化的高效 VLA 模型，仅需数小时数据即可快速适配全新的机器人形态。 Gemini Robotics ER 2 已在 Google AI Studio 上线，VLA 和 On-Device 模型向早期合作伙伴开放。
深读
导读 Google DeepMind 发布 Gemini Robotics 2 模型系列，让机器人从预设脚本走向全身智能控制、精细操作和多机协作。这套模型层包含三个模型，分别负责电机控制、具身推理和本地化运行，是物理世界通用人工智能的重要一步。读完能了解当前机器人 VLA 模型的能力边界、技术路线和关键局限。 关键信息 - Gemini Robotics 2 模型系列包含三个模型：Gemini Robotics 2（最先进的视觉-语言-动作模型 VLA）、Gemini Robotics ER 2（具身推理模型）、Gemini Robotics On-Device 2（本地设备优化的高效 VLA 模型）。 - Gemini Robotics 2 可控制 Apptronik Apollo 2 人形机器人全身动作，包括行走、蹲下、伸手、平衡，完成从脚到指尖的全身任务。 - 该模型能控制 22 自由度的五指 SharpaWave 手完成打结、密封拉链袋等精细操作，也能控制标准二指平行夹爪执行复杂任务。 - Gemini Robotics ER 2 可在 Google AI Studio 上使用，VLA 和 On-Device 模型向早期合作伙伴开放。 - 新引入 ASIMOV-Agentic 基准，用于衡量具身推理代理拒绝不安全工具调用、预测任务可行性并在不确定时主动请求人类干预的能力。 - Gemini Robotics On-Device 2 可在数小时内（通常少于 200 个示例）适配全新的双臂机器人形态，包括形状、传感器和自由度完全不同的平台。 逐节讲解 全身控制：从桌面到地面 此前模型只能控制人形机器人的上半身完成桌面任务。Gemini Robotics 2 首次将控制扩展到全身，让机器人能理解指令并转化为行走、蹲下、伸手、平衡等连贯动作。例如，控制 Apollo 2 人形机器人执行“把浇水壶放到底层架子的绿色箱子里”时，机器人需要走到桌前拿起水壶、走到架子前、精确放置。文章承认机器人的移动速度仍有待提升。 精细操作：从夹爪到五指手 模型能同时控制五指手和二指夹爪两种末端执行器。在 Apollo 2 上使用 22 自由度的 SharpaWave 手完成打结、密封拉链袋等精细动作，在 Franka Duo 平台上使用标准二指平行夹爪完成紧密打包等复杂操作。文章指出，要达到人类水平的灵巧度，精度和速度仍需继续推进。 具身推理与多机协作 Gemini Robotics ER 2 作为机器人的“高层大脑”，负责理解用户指令、观察环境、推理步骤、与 VLA 模型协调执行动作，并跟踪进度直至任务完成。它能执行持续数分钟、涉及数百次决策的长序列任务，理解任务的开始和结束，并能定位关键事件发生的时间点。新引入的多机协作功能让不同类型的机器人可以通信协作，完成单个机器人无法…