Google DeepMind 發布 Gemini Robotics 2：從腳到指尖的全身控制與多機協作

Google DeepMind 發布 Gemini Robotics 2：從腳到指尖的全身控制與多機協作。 核心功能與三大模型 Google DeepMind 推出 Gemini Robotics 2，作為驅動下一代適應性機器人的智慧層，能讓機器人思考每個動作並完成複雜任務。該系統由三個模型組成： Gemini Robotics 2：最先進的視覺-語言-動作模型（VLA），能將視覺與語言輸入轉換為馬達控制，實現全身與雙臂的精細操控。 Gemini Robotics ER 2：最具能力的具身推理模型（ER），作為機器人的高階大腦，能與人類溝通、理解實體世界並規劃持續數分鐘的多步驟任務，並支援多機器人協作。 Gemini Robotics On-Device 2：最高效率的視覺-語言-動作模型（VLA），優化後可在機器人裝置上執行，只需數小時的資料就能快速適應全新的機器人硬體。 Gemini Robotics ER 2 的標題畫面，右側為站立的人形機器人，左側為機械手臂，中間帶有彩色點雲視覺化的物體輪廓 全方位控制與精細靈巧操作 Gemini Robotics 2 擴展了實體人工智慧的應用範圍： 全身動作：突破以往僅能控制上半身的限制，可控制完整人形機器人（如 Apptronik 的 Apollo 2），將指令轉換為智慧的全身控制，例如走動、拿取並放置物品。 靈巧手部：解鎖不同的末端執行器操作，能控制 Apollo 2 機器人上的五指、22 個自由度的 SharpaWave 手部來執行打結或密封夾鏈袋等精細動作，也能操作 Franka Duo 平台的雙指平行夾爪。 邊緣適應：On-Device 2 模型繼承自 Gemini Robotics 1.5 的「動作遷移」（motion transfer）技術，即使是感測器與自由度截然不同的 Dexmate、SO101 和 Trossen 等平台，也能在幾小時內完成適應——官方說明這類雙臂形體的適應通常只需要不到 200 筆範例。 Gemini Robotics 2 介紹短片，展示人形機器人的全方位控制、精細手部操作與多機器人協同能力。 多個機器手臂在不同場景（如書架整理、下棋、點擊螢幕、擺盤、操作保險箱與零件分類）進行操作的展示畫面 白色人形機器人抬起一隻手掌，掌上與前方的帶柄物體覆有彩色點狀視覺化，另一隻金屬手正碰觸該物體 汽車空調冷媒歧管壓力錶組的視覺標註畫面：框出藍色低壓錶與紅色高壓錶，標示 Manifold body 與兩側的低壓、高壓旋鈕，並在高壓錶指針上標出讀值（Reading:70）。 代理推理與安全機制 Gemini Robotics ER 2 能處理長達數分鐘、包含數百個決策的任務序列，在步驟失敗時自動修正，並支援多種機器人溝通協作。在安全性方面，Google DeepMind 導入了確保端到端安全與對齊的多層次方法： 推出 ASIMOV-Agentic 基準測試，用於衡量代理安全協調與不確定性解析能力，例如評估代理拒絕來自 VLA 的不安全工具呼叫，以及主動請求人類介入的能力。 Gemini Robotics ER 2 能在偵測到人類靠近時觸發安全工具呼叫，使機器人安全停止。 詳見官方部落格〈Gemini Robotics 2 brings whole body intelligence to robots〉。Gemini Robotics 2 介紹短片，展示人形機器人的全方位控制、精細手部操作與多機器人協同能力。 影片中的 Prompt 與操作：操作步驟： 1. （00:00）介紹 Gemini Robotics 2 的人形機器人 Apollo 進行對話與動作展示 2. （00:08）示範機器人自主導航、移動物品與打桌球的實機畫面 3. （00:16）幾位研究人員分別說明 Gemini Robotics 2 的大腦控制、全身控制、靈巧手操作與多機器人協作等核心功能原文：https://easyvibecoding.app/curated/2795-google-deepmind-gemini-robotics-whole-body-control