Google DeepMind 发布 Gemini Robotics 2 物理 AI

Google DeepMind 于 2026 年 7 月 30 日发布下一代物理 AI 模型 Gemini Robotics 2，它是一个视觉-语言-动作模型，旨在控制从桌面机械臂到全尺寸仿人机器人的多种形态。该系列共包含三个模型，目前仅有一个公开可用。同时发布的 Gemini Robotics ER 2 增加了高层推理层，用于机器人任务。

Gemini Robotics 2 是 DeepMind 最先进的视觉-语言-动作模型，提供全身智能、高级灵巧性和多机器人协作能力，相比此前仅能控制单一形态或简单动作的模型，它试图用一个通用大脑控制多种机器人，可能降低机器人的开发门槛。

Gemini Robotics 2 基于 Gemini 多模态大模型，通过视觉-语言-动作范式，将感知、推理和执行整合到单一模型中；ER 2 版本额外引入高层推理层，用于更复杂的任务规划。这种设计旨在让一个模型适配多种机器人形态，从而减少为每种硬件单独训练模型的需求。

对于机器人产品开发者，Gemini Robotics 2 可能缩短开发周期，因为无需为不同机器人形态分别构建模型。但该模型目前仅有部分开放，具体 API、定价和部署要求尚未披露，实际集成成本和硬件兼容性仍需验证，因而产品影响带有不确定性。

• 在机器人产品中集成 Gemini Robotics 2，开发针对特定任务（如分拣、装配）的应用，验证灵巧性和安全性。
• 基于 Gemini Robotics ER 2 的推理层，构建高层任务规划工具，简化复杂操作流程。
• 针对多机器人协作场景开发调度和监控界面，利用模型的协作能力。
• 评估模型的硬件适配性，开发中间件以支持不同形态的机器人。

• Gemini Robotics 2 三个模型中，除公开的一个外，其余两个的使用条件和开放时间未知。
• 模型的具体能力边界（如复杂操作、泛化性能）和实际错误率尚未公布。
• 公开版本的具体 API、定价、硬件要求和部署方式未披露，影响评估受限。
• Gemini Robotics ER 2 的推理层与基础模型的差异和实际应用效果未提供细节。