Google DeepMind发布Gemini Robotics 2实现全身控制与多机器人协作

关键发布

Google DeepMind宣布正式发布 Gemini Robotics 2，这是面向下一代通用机器人的智能层。平台提供三款模型，覆盖从高层任务规划到低层运动控制的完整链路，并首次实现 全身控制、五指灵巧以及多机器人协同。

三大模型概览

Gemini Robotics 2 (VLA)：视觉‑语言‑动作模型，能够将图像、文字指令直接映射为机器人关节动作，实现全身 humanoid 的行走、抓取与操控。
Gemini Robotics ER 2：具身推理模型，基于 Gemini 3.5 Flash，支持多模态（文本、图像、视频、音频）输入，拥有 128k 上下文窗口，能够进行数分钟的多步任务规划并调用工具（如 Google Search）。
Gemini Robotics On‑Device 2：本地化 VLA，基于 Gemini Robotics 1.5 与 Google Gemma，能够在机器人端离线运行，适配新机械体仅需数小时少于 200 条示例。

全身控制与灵巧操作

Gemini Robotics 2 首次让 Apollo 2 机器人实现从脚到指尖的完整动作控制。示例指令“把浇水壶放进底层绿桶”，机器人能够自行走到桌前、拾取物体、跨步至目标货架并完成放置。模型在不同机械手上的成功率如下：

5‑指 SharpaWave 手：打结 92%、系垃圾袋 44%、封 Ziplock 袋 40%。
2‑指平行夹具（Franka Duo）：精确插入 89.6%、多工具装配 78.9%、普通搬运 74.2%。

多机器人协作

平台引入 跨形态协作 概念：不同机器人通过共享语义层进行任务分解与交接。例如，Apollo 2 humanoid 完成搬运后，将子任务交给 Franka Duo 的夹具完成精细装配。DeepMind 还展示了 Spot（波士顿动力）在导航与操控 API 上的协同演示，代码已开源至 robotics‑samples 仓库。

本地化适配与安全基准

On‑Device 2 采用 少量示例快速适配 方法，在几小时内即可迁移到全新双臂平台（如 Dexmate、SO101、Trossen），且在新平台上的表现可突破 50% 的成功阈值。安全方面，DeepMind 发布了 ASIMOV‑Agentic 基准，涵盖任务完成度检测、关键时刻定位（准确率 91.3%）以及工具编排评估，全部在 Hugging Face 上以 CC‑BY‑4.0 开放。

上线与可用性

Gemini Robotics ER 2：已开放公共预览，可通过 Gemini API 与 Google AI Studio 访问。
Gemini Robotics 2 (VLA) 与 On‑Device 2：目前仅对早期合作伙伴与受信测试者开放，模型标识为 gemini-robotics-er-2-preview。

随着模型卡片、示例代码与安全基准的同步发布，业界预计在未来 12 个月内将有更多机器人厂商加入生态，推动从实验室到生产线的全面落地。