机器人前瞻（公众号：robot_pro）
作者 | 周加琦
编辑 | 漠影
机器人前瞻7月31日报道，昨晚，Google DeepMind在X上宣布正式推出Gemini Robotics 2。
Google DeepMind配文称：“一颗大脑，适配所有机器人。Gemini Robotics 2：作为新一代物理AI，为人形机器人赋予全身智能，实现灵巧操作、多机协同等能力。”
▲（图源：X）
Google DeepMind同步公布多个演示视频，借助Apptronik Apollo 2人形机器人，搭载Gemini Robotics 2完成各项能力验证。
▲（图源：X）
评论区有网友将机器人的自主学习过程，类比成儿童学习行走、操控肢体的成长模式，认为持续学习、建立事物间关联是智能进化的关键；并有网友对此技术成果表示肯定，期待家庭机器人的到来。
▲（图源：X）
但也有网友评论称，“它看起来比宇树慢得多。”
此前，Google DeepMind就已经发布过机器人相关模型。
2025年3月，Google DeepMind首次发布Gemini Robotics，这是基于Gemini 2.0构建的VLA模型。同步，Google DeepMind发布Gemini Robotics-ER，该模型具备空间理解能力。
2025年6月，Google DeepMind发布Gemini Robotics On-Device，该模型具备通用灵巧操作能力与任务泛化能力，并支持机器人本地部署。
2025年9月，Google DeepMind再次发布Gemini Robotics 1.5和Gemini Robotics-ER 1.5。
其中Gemini Robotics 1.5，能够在行动前进行推演并输出思考过程。Gemini Robotics-ER 1.5可对物理世界进行推理，生成详细的多步骤任务方案。
此次发布的Google robotics包含三个模型：
Gemini Robotics 2能将视觉和语言输入，转化成电机控制。该模型能够控制人形机器人（从脚趾到指尖），以及其他双臂机器人。此外，该模型可驱动灵巧手和夹爪完成更多高难度精细任务。
Gemini Robotics ER 作为视觉语言模型（VLM），它能够充当agent，让机器人能够实现与人交互、理解物理世界，并可自主规划长时序的多步骤任务。此外，该模型新增了多机协同作业能力。
Gemini Robotics On-Device 2作为一款端侧VLA模型，针对机器人设备在本地运行进行优化。该模型仅需数小时训练，就能快速适配不同的机器人本体。
一、夹爪任务表现最佳，多指灵巧操作仍是短板
Gemini Robotics 2通过控制三种不同硬件平台完成大量全身运动与精细操作任务。
三种硬件平台分别为：Apollo 2搭载的SharpaWave灵巧手与Inspire灵巧手，以及配备Robotiq夹爪的Franka Duo机械臂。
测试结果显示：在全身协同完成拾取任务中，桌面拾取任务成功率为68.4%，货架拾取任务成功率为76.3%，地面拾取任务成功率仅45.7%。
因为地面拾取任务需要弯腰、调整全身姿态，难度相对高，所以成功率低。
▲全身协同拾取任务成功率（图源：Google DeepMind）
在多指灵巧操作任务中，拧灯泡任务成功率最高，达到92%，其余精细化任务成功率普遍在32%~44%。
▲灵巧手操作任务成功率（图源：Google DeepMind）
在夹爪任务中，整体表现都很亮眼，通用拾取放置任务成功率达74.2%，多样工具组装任务成功率为78.9%，精确插入任务成功率高达89.6%，表现最优。
▲夹爪任务成功率（图源：Google DeepMind）
二、全身协同+跨末端适配：人形机器人运动与精细操作能力升级
Gemini Robotics 2将物理AI能力扩展到全身运动控制范畴，首次实现人形机器人全身控制。该模型能够将指令意图转化为智能全身控制的指令。
如下达指令“把洒水壶放到底层货架的绿色收纳箱中”，Apollo 2便可解析指令，走向桌面拿起洒水壶，移步至货架区域并精准完成放置。
在官方发布出来的视频中可以看到，研究人员下达指令“儿童需要进行运动”，Apollo 2便自动解析已设置的日程任务，完成棒球与匹克球运动工具的搜寻与放置。
▲抓取棒球手套（图源：Google DeepMind）
▲放置匹克球拍（图源：Google DeepMind）
另外，Gemini Robotics 2在适配不同末端执行器上的操作能力大幅提升，该模型可以控制Apollo 2上搭载的22自由度五指SharpaWave灵巧手，可操控Franka Duo平台配置的夹爪。
▲清洁桌面（图源：Google DeepMind）
▲密封食物袋（图源：Google DeepMind）
▲扭灯泡（图源：Google DeepMind）
▲打结（图源：Google DeepMind）
▲紧凑工具装配（图源：Google DeepMind）
三、ER 2升级规划能力，支持长时序任务与多机协作
现实场景中大多数任务都需要长时间去持续执行，且包含着一连串的复杂操作步骤。此次发布的Gemini Robotics ER 2可充当机器人的“大脑”，负责理解人类指令，完成与人类交互，感知周边环境，并推演完成目标所需的操作流程。
该模型协同VLA模型，持续追踪任务进度，直到任务完成。因此，机器人能够执行复杂、多阶段任务，出错能自主纠错。面对从未见过的新场景和目标，该模型同样能完成任务，泛化能力显著提升。
此次升级，机器人能够更加稳定执行数分钟、上百次决策的长时序任务。同时支持多机协同，不同类型机器人可配合作业，完成更多复杂工作任务。
四、On-Device 2实现高效迁移，快速适配各类机器人平台
Gemini Robotics On-Device 2支持多硬件载体兼容，延续了Gemini Robotics 1.5的运动迁移技术。
该模型仅需数小时，并在不足200条示例数据情况下，就能完成对全新双臂机器人平台的适配。对于外形、传感器、自由度差异大的机器人硬件，同样能够快速适配，在Dexmate、SO101、Trossen多款平台已完成多样化任务验证。
▲（图源：Google DeepMind）
此外，Google DeepMind还推出了ASIMOV-Agentic评测基准，能够检验具身推理agent是否会拒绝来自VLAA模型的危险指令。
同时ASIMOV-Agentic可评估agent预判任务可行性的能力，当agent认知不确定时，是否会主动请求人类帮忙。
结语：从单点突破走向通用迁移
从2025年3月首次发布到如今一口气推出三款模型，Google DeepMind在一年多时间里完成了四次重要迭代。这不仅仅是模型版本的升级，更展现了物理AI赛道的核心竞争逻辑：从“单一技能突破”转向“跨本体通用能力迁移”。
但回到本次发布的模型，无论是全身协同，还是手部精细操作，都有明显的提升空间。全身协同决定了机器人能不能走进真实环境，手部操作决定了它能不能真正干活。想要实现规模化落地、真正走进家庭，二者缺一不可。
