Gemini Robotics 2 brings whole body intelligence to robots

2026-08-20 · Google DeepMind

Gemini Robotics 2 為機器人帶來全身智慧

2026年7月30日,谷歌正式釋出Gemini Robotics 2。這是一次重要進步,標誌著機器人從預程式設計的狹窄任務向真正適應性智慧體的轉變。該系統為機器人帶來全身智慧控制、高階靈巧操作和多機器人團隊協作能力,旨在讓機器人安全高效地完成現實世界中的複雜任務。

傳統機器人通常依賴預程式設計或遠端操作,只能處理重複性固定序列,難以自主學習、適應未知環境,且技能在不同機器人身體之間的遷移極為困難。Gemini Robotics 2 作為下一代機器人的智慧核心,解決了這些核心挑戰,讓不同形態的機器人能夠思考、行動並智慧互動。

三大核心模型

Gemini Robotics 2 的能力由以下三個高效能模型共同支撐:

  • Gemini Robotics 2:最先進的視覺-語言-動作(VLA)模型,能夠將視覺輸入和語言指令直接轉化為精確的電機控制。它支援完整的人形機器人(從腳部到指尖)以及其他雙臂機器人,在雙手和夾持器的靈巧操作上達到新高度。
  • Gemini Robotics ER 2:最強大的具身推理(Embodied Reasoning)模型,作為視覺語言模型(VLM)充當機器人高層代理。它能與人類自然溝通、理解物理世界、規劃持續數分鐘的多步任務,並首次引入多機器人團隊協作能力。
  • Gemini Robotics On-Device 2:最高效的本地VLA模型,專為機器人裝置端執行最佳化,僅需幾小時資料即可快速適應全新機器人形態。

同一模型檢查點可在Apptronik Apollo 2(搭配SharpaWave手或Inspire手)以及Franka Duo(搭配Robotiq夾持器)三種不同形態上執行。在全身控制和夾持器靈巧任務中取得中高成功率,但多指精細操作仍具挑戰。

人形機器人的全身運動控制

現實世界為人類動作設計,需要在狹窄雜亂空間中完成伸手、彎腰、平衡等動作。此前的模型主要聚焦上半身桌面任務,而Gemini Robotics 2 將能力擴充套件至全身協調。

該模型首次實現對整個人形機器人的控制,可將自然語言意圖轉化為智慧全身動作。以Apptronik Apollo 2為例,當接收“把噴壺放到底層架子上的綠色垃圾桶裡”指令後,機器人能夠自主行走至桌旁拿起噴壺,再移動至架子前精確放置。雖然移動速度仍有提升空間,但這是邁向需要全身協調的複雜現實任務的關鍵一步。

為雙手和夾持器帶來高階靈巧能力

要在家庭和工作場所真正有用,機器人必須具備精細操作能力。Gemini Robotics 2 在不同末端執行器上顯著提升了物理靈巧度。

它能夠精準控制Apollo 2上22自由度的五指SharpaWave手,完成打結、密封ziplock袋等精細動作;同時也能操作Franka Duo平臺上的標準兩指平行夾持器,執行緊密包裝等複雜靈巧任務。團隊將繼續推進精度與速度,目標是達到人類水平的靈巧操作。

透過具身推理與多機器人協作解鎖複雜任務

大多數現實任務都需要長時間執行多個步驟。Gemini Robotics ER 2 作為機器人的“高階大腦”,負責處理使用者指令、觀察環境、推理步驟、與VLA模型協調執行動作、跟蹤進度,並在失敗時自我糾正。

這一架構使機器人能夠完成複雜多步任務、泛化到新場景和新目標,並支援多臺機器人組成團隊以更快速度共同完成工作。

Gemini Robotics ER 2 現已在 Google AI Studio 正式可用,並在 Gemini Enterprise Agent Platform 提供私人預覽。VLA 模型和 On-Device 模型則面向早期訪問合作伙伴開放。開發者可透過官方 Developer 部落格瞭解如何將這些模型整合到自家硬體中。

(共約1050字)

原文連結