Gemini Robotics 2 实现机器人全身智能控制

Google DeepMind 今日发布 Gemini Robotics 2，这是其机器人智能层的重大升级。新系统赋予机器人从脚趾到指尖的全身控制能力，结合高级灵巧操作和多机器人协作，可完成复杂现实任务。

Gemini Robotics 2 包含三个高度专业化的模型：

Gemini Robotics 2：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化为电机控制，支持完整人形机器人及双臂机器人，实现双手和夹爪的精细操作。
Gemini Robotics ER 2：最强的具身推理模型（ER），作为高级智能体，负责与人类沟通、理解物理世界、规划持续数分钟的多步任务，并首次支持机器人团队协作。
Gemini Robotics On-Device 2：最高效的设备端 VLA，针对机器人本地运行优化，可在数小时内（通常少于 200 个示例）快速适配全新的双机械臂形态。

人形机器人的全身协调

Gemini Robotics 2 首次实现对完整人形机器人的控制。例如，在 Apptronik 的 Apollo 2 上，模型能理解“把喷壶放到底层架子的绿色箱子中”的指令，然后自主行走、抓取、放置。尽管移动速度仍有提升空间，但这标志着机器人具备了完成需要全身协调的现实任务的关键能力。

手部与夹爪的精细操作

新模型在不同末端执行器上都展现了更强的灵巧性。在 Apollo 2 上，它可以控制 5 指 22 自由度的 SharpaWave 手完成系绳结、密封拉链袋等精细动作；在 Franka Duo 平台上，它也能操作标准两指平行夹爪完成紧密包装等任务。团队正持续提升精度和速度，向人类级灵巧操作迈进。

智能推理与多机器人协作

Gemini Robotics ER 2 作为机器人的“大脑”，可处理用户指令、观察环境、规划步骤、协调 VLA 执行动作，并持续追踪进度。它能可靠执行持续数分钟、包含数百次决策的复杂任务序列，并能在失败时自我纠正。

此次更新还首次实现了多机器人协作：不同类型机器人可以通信协作，完成单台机器人无法独自完成的复杂工作流。

快速适配任何机器人的设备端模型

设备端模型 Gemini Robotics On-Device 2 专为无网络或低延迟环境设计。它继承了自 Gemini Robotics 1.5 的“运动迁移”技术，可以仅用数小时（通常少于 200 个示例）适配形状、传感器和自由度截然不同的新机器人形态，如 Dexmate、SO101、Trossen 等平台。