Gemini Robotics 2

Gemini Robotics 2 是 Google DeepMind 面向机器人的物理 AI 模型家族，融合全身控制、灵巧操作、具身推理与端侧运行，适用于需感知、规划、执行并跨不同形态协同的机器人。

概述

Gemini Robotics 2 是 Google DeepMind 面向机器人的物理 AI 模型家族。该站点将其定位为适应性机器人所需的智能层，融合全身控制、灵巧操作、具身推理与端侧运行。

产品页展示了三种相关模型：Gemini Robotics 2，一种用于运动控制的视觉-语言-动作模型；Gemini Robotics ER 2，一种用于高层规划和与人类沟通的视觉-语言模型；以及 Gemini Robotics On-Device 2，一种可在机器人硬件上本地运行的高效 VLA 模型。它们共同面向需要感知、推理、执行并跨多种形态协同的机器人。

能力

全身机器人控制

控制整个人形机器人，从脚到指尖，将视觉和语言转化为运动动作，用于行走、下蹲、伸手和操作。

灵巧操作

为五指手和标准夹爪都增加更高水平的物理灵巧性，包括精细和打包类任务。

多步骤具身推理

让机器人推理耗时数分钟、包含多个步骤的任务，然后在跟踪进度的同时与 VLA 模型协调执行。

多机器人协作

使多台机器人能够相互通信并分配工作，以完成单台机器人无法独立完成的共同任务。

端侧适配

可在机器人设备本地运行，并设计为仅用几小时的数据即可快速适配新的机器人形态。

使用场景

全身家居或工作空间任务
类人机器人接收自然语言指令，走到指定位置，在需要时弯腰或下蹲，并将物体放入目标箱或货架。
精细灵巧任务
机器人使用五指手或平行夹爪执行细致操作，例如打结、封合拉链袋或紧密打包。
多步骤任务执行
机器人规划较长的工作流程，跟踪每一步是否成功，在需要时重试，并持续执行直到任务完成。
协作机器人团队
多台机器人在同一环境中协同，沟通各自优势，并分工完成共同任务。
端侧部署
本地机器人部署将模型适配到新的机器人形态，而不依赖网络连接或云端延迟。

Pros and Cons

Pros

控制整个类人身体，而不只是上半身动作。
支持不同机器人形态中的手和夹爪。
在分工的 ER/VLA 工作流中结合了规划、进度跟踪和动作执行。
可在设备本地运行，适合需要低延迟或不依赖互联网连接的部署。
设计为只需几小时的数据即可适配新的机器人本体。

Cons

来源表示移动速度仍有提升空间。
多指灵巧操作被描述为仍然具有挑战性。
所提到的模型仅限于 Google AI Studio、私有预览和早期访问合作伙伴使用。

FAQ

Gemini Robotics ER 2 有什么用途？

Gemini Robotics ER 2 是具身推理模型。它理解物理世界，规划多步骤任务，与人类沟通，并将运动执行交给更底层的 VLA 模型。

Gemini Robotics 2 如何获取？

来源说明，Gemini Robotics 2 作为用于控制机器人的视觉-语言-动作模型提供，Gemini Robotics ER 2 可在 Google AI Studio 和 Gemini Enterprise Agent Platform 的私有预览中使用，而 VLA 和端侧模型面向早期访问合作伙伴提供。

ER 和 VLA 模型如何协同工作？

页面描述的工作流是由 ER 2 负责推理、规划、进度跟踪与协调，而 VLA 模型在机器人上执行运动控制。

端侧模型增加了什么？

端侧模型经过优化，可在机器人设备本地运行，并设计为只需少量数据即可快速适配新的机器人形态。

提到哪些限制？

来源指出，已经展示了全身控制以及基于夹爪的灵巧任务的中高成功率，但多指灵巧操作仍然具有挑战性。

Quick Facts

类别: 世界模型与物理 AI
产品家族: Gemini Robotics 2
模型类型: VLA、具身推理（ER）和端侧 VLA
获取方式: Google AI Studio、Gemini Enterprise Agent Platform 私有预览和早期访问合作伙伴
来源域名: deepmind.google