Gemini Robotics 2 为机器人带来全身智能

此前模型仅控制人形机器人上半身完成桌面任务，Gemini Robotics 2 首次将控制扩展到全身。在 Apptronik Apollo 2 人形机器人上，模型能根据指令“把喷壶放到底层架子的绿色箱子里”，自主完成行走、抓取、放置等连贯动作。不过，DeepMind 承认机器人的移动速度仍有待提升。

该模型是 DeepMind 最先进的视觉-语言-动作模型（VLA），将视觉和语言输入直接转化为电机控制信号，可控制完整人形机器人及双臂机器人。同一模型权重可适配三种不同机器人形态：Apollo 2 搭配 SharpaWave 手或 Inspire 手，以及 Franka Duo 搭配 Robotiq 夹爪。

Gemini Robotics 2 在多种末端执行器上实现了新的灵巧水平。在配备22自由度五指 SharpaWave 手的 Apollo 2 上，模型能完成打结、密封拉链袋等精细动作；在 Franka Duo 平台的标准二指平行夹爪上，也能执行紧密包装等复杂任务。

然而，多指灵巧操作仍是难点。官方图表显示，在五指任务上模型成功率较低，而全身控制和夹爪类任务达到中高成功率。DeepMind 表示将继续提升精度和速度，以接近人类灵巧水平。

Gemini Robotics ER 2 作为机器人的“高级大脑”，负责理解用户指令、观察环境、规划步骤，并与 VLA 模型协调执行。它能执行持续数分钟、包含数百次决策的复杂任务序列，并能自我纠错和泛化到新场景。

该模型还首次引入多机器人协作能力，不同类型机器人可相互通信、协同完成单个机器人无法完成的复杂工作流。ER 2 模型已上线 Google AI Studio，并在 Gemini Enterprise Agent Platform 提供私有预览。

Gemini Robotics On-Device 2 是专为本地运行优化的 VLA 模型，无需网络连接。它原生支持多形态，继承自 Gemini Robotics 1.5 的“运动迁移”技术，仅需数小时和不到200个示例即可适应全新的双臂机器人形态，包括形状、传感器和自由度差异极大的平台（如 Dexmate、SO101、Trossen）。

DeepMind 强调安全是机器人研究的基石。随着物理能力增强，他们采用多层方法，结合传统物理安全措施和稳健的 AI 安全框架，确保端到端安全与对齐。具体安全机制未在本文中详述。