从脚到指尖的全身智能控制

长期以来，机器人领域面临一个核心瓶颈：大多数机器人依赖预编程或远程操控，只能执行固定、重复的动作序列，无法真正自主学习或适应复杂多变的真实环境。更棘手的是，将一台机器人习得的技能迁移到另一台机器人身上，至今仍是极具挑战性的工程难题。谷歌DeepMind此次发布的Gemini Robotics 2，正是为了从根本上突破这些限制。

Gemini Robotics 2作为系统的核心视觉-语言-动作模型，首次实现了对人形机器人的全身协调控制。在Apptronik Apollo 2机器人的演示中，系统可接收自然语言指令，驱动机器人完成行走、蹲下、伸展等连贯动作，并将物品精准放置到指定位置。这标志着物理AI从桌面级上半身操作，正式迈入需要全身协调的复杂现实场景。

在精细操作层面，Gemini Robotics 2同样带来显著突破。系统可控制Apollo 2机器人搭载的SharpaWave五指手（拥有22个自由度），完成打结、密封拉链袋等精细动作；也可驱动Franka Duo平台上的标准两指平行夹爪，执行紧密装箱等复杂操作。谷歌表示，团队将持续提升操作精度与速度，最终目标是达到人类水平的灵巧度。

具身推理模型Gemini Robotics ER 2承担系统的高层认知职能。它能够观察环境、分解任务步骤、与VLA模型协同执行动作，并持续追踪任务进度直至完成。此次更新中，ER 2可更可靠地执行持续数分钟、涉及数百次决策的长序列任务，并能识别任务的起止时刻与关键事件节点。此外，系统新增多机器人协作能力，不同类型的机器人可相互通信、分工合作，共同完成单台机器人无法独立完成的复杂工作流。

端侧模型Gemini Robotics On-Device 2专为无网络或低延迟场景设计，可在机器人本地硬件上直接运行。该模型原生支持多模态输入，并具备快速适配能力——只需数小时的数据采集，即可完成对全新机器人形态的适配，大幅降低了将AI能力迁移至不同硬件平台的门槛。这一特性对工业、仓储等对网络依赖度低的应用场景尤为关键。

目前，Gemini Robotics ER 2已在Google AI Studio上线，并在Gemini Enterprise Agent Platform进入私有预览阶段；VLA与端侧模型则面向早期合作伙伴开放接入。谷歌DeepMind同步发布了开发者博客，详细介绍如何将上述模型部署至合作伙伴的硬件平台。随着人形机器人赛道持续升温，Gemini Robotics 2的发布标志着通用机器人智能的商业化进程又向前迈出了重要一步。

要点

• Gemini Robotics 2首次实现对人形机器人从脚到指尖的全身协调控制，突破了此前仅限上半身操作的局限
• 三款模型分工明确：主力VLA负责动作执行，具身推理模型ER 2负责高层规划与多机器人协作，端侧模型负责本地高效部署
• 端侧模型支持数小时内快速适配全新机器人形态，大幅降低跨硬件平台的迁移成本
• 多机器人协作能力正式引入，不同类型机器人可通信分工，共同完成复杂任务
• Gemini Robotics ER 2已在Google AI Studio开放，VLA与端侧模型面向早期合作伙伴接入