谷歌DeepMind宣布对其机器人AI解决方案系列进行重大更新。核心是Gemini Robotics 2模型,属于VLA(视觉-语言-动作)类别,从根本上扩展了机器人控制能力,覆盖全身而不仅仅是单个肢体。同时推出的还有升级版ER 2系统,充当复杂任务协调的“高层大脑”。

从操作到全面控制

新模型与前代的关键区别在于从控制上半身转向全身整体控制。Gemini Robotics 2现在允许机器人执行复杂的动态动作:行走、下蹲、弯腰,以及在受限空间内的操作。这是将机器人集成到真实非结构化环境中的关键一步。

在演示测试中,由新模型驱动的人形机器人Apptronik Apollo 2成功完成了需要精细运动技能的任务:提起喷壶、从架子上取下棒球手套并找到目标物体。尤其令人印象深刻的是对具有22个自由度的复杂手部的支持,这使得打结或拧灯泡等精细操作成为可能。

ER 2:多机器人系统的编排

升级版ER 2模型承担战略规划器的功能。它能够分解多步骤任务、监控执行情况,并在必要时重新发起操作。此外,ER 2还能同时在多台机器人之间分配工作负载。例如,在一个场景中,Apollo 2协调双臂机器人进行清洁时的工具分类工作。

特别值得关注的是本地版Gemini Robotics On-Device 2。该模型完全自主运行,无需云连接,并且可以在基于不到200个示例的几小时训练内适应新型机器人。这种方法显著降低了在机器人初创公司中部署AI的门槛。

目前,Gemini Robotics 2以私人预览模式提供,而ER 2已集成到Gemini API和Google AI Studio中。On-Device 2正在有限的可信合作伙伴中进行测试。

我的观点:这不仅仅是增量更新,而是范式转变。向“整体智能”和多代理编排的过渡——正是这些方向将决定机器人技术在未来的商业可行性。模型以最少示例适应新硬件平台的能力,是可能加速市场整合并将人形机器人从试点项目阶段推向实体经济的关键因素。