Gemini Robotics 2 brings whole body intelligence to robots

2026-08-20 · Google DeepMind

Gemini Robotics 2 为机器人带来全身智能

2026年7月30日,谷歌正式发布Gemini Robotics 2。这是一次重要进步,标志着机器人从预编程的狭窄任务向真正适应性智能体的转变。该系统为机器人带来全身智能控制、高级灵巧操作和多机器人团队协作能力,旨在让机器人安全高效地完成现实世界中的复杂任务。

传统机器人通常依赖预编程或远程操作,只能处理重复性固定序列,难以自主学习、适应未知环境,且技能在不同机器人身体之间的迁移极为困难。Gemini Robotics 2 作为下一代机器人的智能核心,解决了这些核心挑战,让不同形态的机器人能够思考、行动并智能交互。

三大核心模型

Gemini Robotics 2 的能力由以下三个高性能模型共同支撑:

  • Gemini Robotics 2:最先进的视觉-语言-动作(VLA)模型,能够将视觉输入和语言指令直接转化为精确的电机控制。它支持完整的人形机器人(从脚部到指尖)以及其他双臂机器人,在双手和夹持器的灵巧操作上达到新高度。
  • Gemini Robotics ER 2:最强大的具身推理(Embodied Reasoning)模型,作为视觉语言模型(VLM)充当机器人高层代理。它能与人类自然沟通、理解物理世界、规划持续数分钟的多步任务,并首次引入多机器人团队协作能力。
  • Gemini Robotics On-Device 2:最高效的本地VLA模型,专为机器人设备端运行优化,仅需几小时数据即可快速适应全新机器人形态。

同一模型检查点可在Apptronik Apollo 2(搭配SharpaWave手或Inspire手)以及Franka Duo(搭配Robotiq夹持器)三种不同形态上运行。在全身控制和夹持器灵巧任务中取得中高成功率,但多指精细操作仍具挑战。

人形机器人的全身运动控制

现实世界为人类动作设计,需要在狭窄杂乱空间中完成伸手、弯腰、平衡等动作。此前的模型主要聚焦上半身桌面任务,而Gemini Robotics 2 将能力扩展至全身协调。

该模型首次实现对整个人形机器人的控制,可将自然语言意图转化为智能全身动作。以Apptronik Apollo 2为例,当接收“把喷壶放到底层架子上的绿色垃圾桶里”指令后,机器人能够自主行走至桌旁拿起喷壶,再移动至架子前精确放置。虽然移动速度仍有提升空间,但这是迈向需要全身协调的复杂现实任务的关键一步。

为双手和夹持器带来高级灵巧能力

要在家庭和工作场所真正有用,机器人必须具备精细操作能力。Gemini Robotics 2 在不同末端执行器上显著提升了物理灵巧度。

它能够精准控制Apollo 2上22自由度的五指SharpaWave手,完成打结、密封ziplock袋等精细动作;同时也能操作Franka Duo平台上的标准两指平行夹持器,执行紧密包装等复杂灵巧任务。团队将继续推进精度与速度,目标是达到人类水平的灵巧操作。

通过具身推理与多机器人协作解锁复杂任务

大多数现实任务都需要长时间执行多个步骤。Gemini Robotics ER 2 作为机器人的“高级大脑”,负责处理用户指令、观察环境、推理步骤、与VLA模型协调执行动作、跟踪进度,并在失败时自我纠正。

这一架构使机器人能够完成复杂多步任务、泛化到新场景和新目标,并支持多台机器人组成团队以更快速度共同完成工作。

Gemini Robotics ER 2 现已在 Google AI Studio 正式可用,并在 Gemini Enterprise Agent Platform 提供私人预览。VLA 模型和 On-Device 模型则面向早期访问合作伙伴开放。开发者可通过官方 Developer 博客了解如何将这些模型集成到自家硬件中。

(共约1050字)

原文链接