Google DeepMind 于 7 月 30 日发布 Gemini Robotics 2，推出面向下一代机器人的新智能层。该公司表示，这套系统带来了全身控制、进阶灵巧操作和多机器人协作能力，目标是让机器人从预先编程的单一自动化设备，转向能够自主学习并处理物理世界复杂任务的通用 AI。
在这次发布中，DeepMind 将这项成果命名为《Gemini Robotics 2 带来机器人全身智能》。官方称，系统可以让机器人适应不可预测的环境，并把学到的技能快速迁移到不同的机器人机体上。
三款模型覆盖控制、推理和本地端运行
根据由 DeepMind 团队负责人 Carolina Parada 带领发布的公告，Gemini Robotics 2 包含三个核心模型，分工各不相同。
- Gemini Robotics 2：这是视觉—语言—动作（VLA）模型，可把视觉和语言输入直接转换为电机控制，支持从脚到指尖的人形机器人完整控制，也提升了双手和夹爪的灵巧操作能力。
- Gemini Robotics ER 2：这是一款“具身推理”视觉语言模型，负责与人类沟通、理解物理世界，并规划长达数分钟的多步骤任务，同时新增机器人团队协作功能。
- Gemini Robotics On-Device 2：这是一款面向设备本地端运行的 VLA 模型。DeepMind 表示，它通常只需不到 200 个样例，就能在几小时内适配全新的机器人机体。
可将指令转化为人形机器人的全身动作
DeepMind 在展示中称，Gemini Robotics 2 首次实现了把意图转化为人形机器人的智能全身动作。以 Apptronik 的 Apollo 2 人形机器人为例，在接到“把浇水壶放到底层架子的绿色箱子里”的指令后，机器人能够自行走到桌前拿起水壶，再移动到架子旁完成放置。
在手部操作方面，搭载在 Apollo 2 上的 22 自由度五指 SharpaWave 手，可以完成打结、密封夹链袋等精细动作。对于标准两指平行夹爪平台，例如 Franka Duo，系统也能完成紧密包装等复杂任务。
ER 2 支持多机器人协作，并引入安全基准
在代理式推理能力上，DeepMind 表示，ER 2 可以处理包含数百个决策的复杂任务，并带有自我修正机制。该模型也支持多机器人协作，使不同类型的机器人共同完成单台设备难以承担的工作流。
安全仍是这次发布的重点之一。团队推出了新的基准 ASIMOV-Agentic，用于评估安全协调和不确定性处理。DeepMind 表示，ER 2 目前是在遵循安全约束和人类接近度方面最安全的机器人模型。
ER 2 已上线 AI Studio，其余模型先向合作伙伴开放
目前，Gemini Robotics ER 2 已在 Google AI Studio 提供，并在 Gemini Enterprise Agent Platform 进入私人预览阶段。至于 VLA 模型和本地端模型，现阶段仅向早期合作伙伴开放。
DeepMind 将这次更新称为迈向“解决物理世界 AGI”的重要里程碑，并表示未来机器人将能够与人类并肩工作，处理更复杂的挑战。