谷歌旗下DeepMind近期发布了Gemini Robotics 2系列智能套件，该套件由三款AI模型组成，共同为机器人提供智能支持，且能够跨机型快速适配不同硬件躯体。

(资料图)

DeepMind将其定位为机器人的"智能层"——可供各硬件厂商依托开发的通用基础智能套件。该套件仅需数小时的数据训练即可让AI模型适配全新机身。

这也是Gemini Robotics 2备受关注的核心原因——倘若仿人机器人未来普及度达到笔记本电脑水平，那么谁能提供可在不同机身之间顺畅迁移的通用"大脑"，谁就将掌握整个行业的核心话语权。

业内指出，Alphabet、英伟达，以及一批中国科技企业，都在争相抢占"物理AI"技术栈的主导权：即建立一套可用于不同厂商机器人的通用软硬件平台，进而掌握行业标准。

业内指出，这一布局逻辑，与当初移动操作系统创造巨大产业价值的思路一致。

典型代表是安卓：谷歌并未大规模自产手机硬件，而是将安卓系统开放给三星、小米等众多厂商；海量用户与开发者持续涌入形成网络效应，平台借此掌握应用分发渠道、用户流量入口与增值服务体系，不靠销售硬件盈利，长期从整个移动产业持续获取生态收益。

跨机型迁移

Gemini Robotics 2系列共包含三款AI模型，可为仿人机器人及其他类型机器人提供全身控制能力、更精准的操作能力与协同作业能力：

1.Gemini Robotics 2：视觉-语言-动作模型（VLA），将机器人视觉信息与指令转化为运动指令，可驱动完整仿人机器人实现从足部到指尖的动作，同时适配常规双臂机器人系统。

2.Gemini Robotics ER2：具身推理模型，能够规划持续数分钟的多步骤任务，在操作失败后自主恢复，支持多机器人分工完成整套作业流程。

3.Gemini Robotics On-Device 2：轻量化版本，可直接在机器人硬件本地运行，适用于网络云连接不稳定或无法联网的场景。

当地时间7月30日，DeepMind公开演示了用同一参数模型控制三台硬件结构互不相同的机器人。其中包括搭载了两套不同机械手的Apptronik Apollo 2机器人，以及一台配备夹爪的独立双臂设备。

2025年推出的初代Gemini Robotics仅能控制机器人上半身；新版可实现全肢体动作控制，支持仿人机器人同步完成行走、下蹲、弯腰、伸展等动作。在演示中，一台Apollo 2机器人走向洒水壶，并将其放置于低层货架。

业内指出，目前该模型效果仍不稳定：在Apollo 2的全身拾取测试中，机器人从桌面拾取物体准确率约68%，货架取物准确率76%，地面取物准确率仅46%。

多指灵巧操作仍是尚未攻克的难题，简易夹爪的表现依旧优于结构复杂的仿人机械手。同时，机器人运动速度与稳定性也有待提升。

目前，三款模型的开放程度不尽相同：具身推理模型Gemini Robotics ER2已经开放；但真正实现全身控制的Gemini Robotics 2模型本体，以及轻量化的On-Device 2版本，目前仍处于早期内测阶段，短期内无法大规模投入实际使用。

DeepMind表示，基于遵守安全约束、主动避让人类等评测指标，Gemini ER2是公司迄今安全性最高的机器人模型。