Gemini Robotics 2

Gemini Robotics 2 是 Google DeepMind 的機器人實體 AI 模型系列，結合全身控制、靈巧操作、具身推理與裝置端運作，適用於需感知、規劃、行動並跨不同型態協作的機器人。

概述

Gemini Robotics 2 是 Google DeepMind 的機器人實體 AI 模型系列。該網站將其定位為可適應型機器人的智慧層，結合全身控制、靈巧操作、具身推理與裝置端運作。

產品頁面展示三個相關模型：Gemini Robotics 2，一個用於運動控制的視覺-語言-動作模型；Gemini Robotics ER 2，一個用於高層規劃與人類溝通的視覺-語言模型；以及 Gemini Robotics On-Device 2，一個可在機器人硬體上本機執行的高效率 VLA 模型。這些模型共同面向需要感知、推理、行動並跨不同型態協作的機器人。

功能

全身機器人控制

可控制從腳到指尖的整個人形機器人，將視覺與語言轉換為行動指令，以執行行走、下蹲、伸手與操作。

靈巧操作

為五指手與標準夾爪都加入更高層級的實體靈巧度，包括精細與封裝式任務。

多步驟具身推理

讓機器人能夠推理需要數分鐘且包含多個步驟的任務，接著與 VLA 模型協調執行，同時追蹤進度。

多機器人協作

使多台機器人能彼此溝通並分派工作，以完成單一機器人無法獨立完成的共同任務。

裝置端適應

可在機器人裝置上本機執行，並設計為只需幾小時的資料即可快速適應新的機器人型態。

使用案例

全身家用或工作空間任務
人形機器人接收自然語言指令，前往某個位置，視需要彎身或蹲下，並將物品放入目標收納箱或層架。
精細靈巧任務
機器人使用五指手或平行夾爪進行細部操作，例如打結、封合夾鏈袋或緊密包裝。
多步驟任務執行
機器人規劃較長的工作流程，追蹤每個步驟是否成功，必要時重試，並持續進行直到任務完成。
協作式機器人團隊
多台機器人在同一環境中協作，溝通各自的強項，並分工完成共同任務。
裝置端部署
本機機器人部署會將模型適配到新的機器人型態，而不依賴網路連線或雲端延遲。

Pros and Cons

Pros

可控制整個人形身體，而不僅是上半身動作。
可支援不同機器人型態中的手部與夾爪。
在分工的 ER/VLA 工作流程中結合規劃、進度追蹤與動作執行。
可在裝置端本機執行，適合需要低延遲或無網際網路連線的部署。
設計為可在幾小時的資料內適應新的機器人身體。

Cons

來源表示，移動速度仍有改善空間。
多指靈巧操作被描述為仍然具有挑戰性。
上述模型的存取僅限於 Google AI Studio、私人預覽與搶先體驗合作夥伴。

FAQ

Gemini Robotics ER 2 有什麼用途？

Gemini Robotics ER 2 是具身推理模型。它能理解實體世界、規劃多步驟任務、與人類溝通，並將動作執行交由較低層級的 VLA 模型處理。

如何存取 Gemini Robotics 2？

來源指出，Gemini Robotics 2 以視覺-語言-動作模型形式提供，用於控制機器人；Gemini Robotics ER 2 可在 Google AI Studio 以及 Gemini Enterprise Agent Platform 的私人預覽中使用，而 VLA 與 On-Device 模型則提供給搶先體驗合作夥伴。

ER 與 VLA 模型如何協同運作？

頁面描述了一種工作流程：ER 2 負責推理、規劃、進度追蹤與協調，而 VLA 模型負責機器人的動作控制。

裝置端模型增加了什麼？

裝置端模型經過最佳化，可在機器人裝置上本機執行，並設計為只需幾小時的資料即可快速適應新的機器人型態。

提到了哪些限制？

來源指出，已展示全身控制與基於夾爪的靈巧任務具有中到高的成功率，但多指靈巧操作仍然具有挑戰性。

Quick Facts

類別: 世界模型與實體 AI
產品系列: Gemini Robotics 2
模型類型: VLA、具身推理（ER）與裝置端 VLA
存取方式: Google AI Studio、Gemini Enterprise Agent Platform 私人預覽，以及搶先體驗合作夥伴
來源網域: deepmind.google