Gemini Robotics 2：谷歌把大脑装进了整个身体
DeepMind 7 月 30 号发了 Gemini Robotics 2，重点不是手更灵巧，是整个身体知道自己在干嘛。上一代只能操作上半身，这一代是完整的人形控制，从脚到指尖，而且不是一个模型，是三个。
拆成三个才是聪明的地方。Gemini Robotics 2 是 VLA，负责把机器人看到听到的东西变成电机指令，还能适配不同的手和夹爪。Gemini Robotics ER 2 是高层大脑，做具身推理，能规划多步任务、跟人对话、指挥好几个机器人配合干上好几分钟。Gemini Robotics On-Device 2 直接跑在机器人本地，换一个全新的身体，几个小时就能适配，不用重新训练。
为什么重要。智能体这个故事在屏幕上活了两年，无非是一个大模型点按钮、调工具。这套东西是同一个打法，只不过对准了物理世界。同样的推理内核，同样的工具调用循环，区别是这回工具是一条腿。多机器人协作、自我纠错，这两点说明谷歌认定物理世界是智能体的下一个战场，不是一个 demo。
现在 ER 2 上了 Google AI Studio，也进了 Gemini Enterprise Agent Platform 的私有预览。VLA 和端侧模型还锁在早期合作伙伴手里，所以你今天能先照着这颗大脑做规划，身体再等等。详情在 deepmind.google/blog/gemini-robotics-2-brings-whole-body-intelligence-to-robots。
← 返回所有文章
拆成三个才是聪明的地方。Gemini Robotics 2 是 VLA，负责把机器人看到听到的东西变成电机指令，还能适配不同的手和夹爪。Gemini Robotics ER 2 是高层大脑，做具身推理，能规划多步任务、跟人对话、指挥好几个机器人配合干上好几分钟。Gemini Robotics On-Device 2 直接跑在机器人本地，换一个全新的身体，几个小时就能适配，不用重新训练。
为什么重要。智能体这个故事在屏幕上活了两年，无非是一个大模型点按钮、调工具。这套东西是同一个打法，只不过对准了物理世界。同样的推理内核，同样的工具调用循环，区别是这回工具是一条腿。多机器人协作、自我纠错，这两点说明谷歌认定物理世界是智能体的下一个战场，不是一个 demo。
现在 ER 2 上了 Google AI Studio，也进了 Gemini Enterprise Agent Platform 的私有预览。VLA 和端侧模型还锁在早期合作伙伴手里，所以你今天能先照着这颗大脑做规划，身体再等等。详情在 deepmind.google/blog/gemini-robotics-2-brings-whole-body-intelligence-to-robots。
评论