← 返回 Siami 首頁

Google DeepMind 推出 Gemini Robotics 2:讓機器人擁有「全身」智能,從腳趾到指尖都能自主推理

▲ 155 💬 109
Google DeepMind 推出 Gemini Robotics 2:讓機器人擁有「全身」智能,從腳趾到指尖都能自主推理

編按:本文綜合整理自 Google DeepMind 官方部落格、Apptronik 機器人公司發布,以及 Hacker News 讀者討論,加入 Siami 編輯部觀點與分析。

Google DeepMind 於 2026 年 7 月 30 日正式發表 Gemini Robotics 2 系列模型,主打「全身智能」(whole-body intelligence)——意思是不只能控制手臂,而是從腳到指尖、從移動到抓取都交給同一個 VLA 模型統一推論。這是繼 2025 年 3 月的 Gemini Robotics、9 月的 Gemini Robotics 1.5 之後,第三個重大版本更新,DeepMind 明確把它定位為「邁向物理世界 AGI 路上的重要里程碑」。


三個模型撐起整套機器人智能

Gemini Robotics 2 不是單一模型,而是三個互補模型的組合:

  • Gemini Robotics 2:VLA(vision-language-action),把視覺與語言輸入轉成馬達指令,控制完整的人形機器人(包括雙腿與 22 自由度靈巧手)、雙臂機器人。新版首次做到「全身控制」,不再像前幾代只能控制上半身做桌面任務。
  • Gemini Robotics ER 2:VLM 推理模型,擔任機器人的「高階腦」。負責觀察房間、拆解多步驟任務(可長達數分鐘、數百個決策)、與人類溝通,還能協調多台機器人組隊完成任務。
  • Gemini Robotics On-Device 2:輕量版 VLA,跑在機器人本機端,幾小時就能適應全新的機器人硬體,示範資料用不到 200 個範例。

DeepMind 的 benchmark 數據顯示,這套模型在中等到高度難度的全身與夾爪任務上成功率不錯,但多指靈巧操作(multi-finger dexterous manipulation)仍然是最難的關卡。具體來說,用 Apptronik Apollo 2 配 SharpaWave 手的設定,在「從桌上拿取」有 68.4% 成功率、「從地上撿起」45.7%、「從架上拿取」76.3%。


全身控制:第一次讓人形機器人「跨步 + 伸腰 + 取物」一氣呵成

過去 DeepMind 的 VLA 模型只能控制機器人上半身做桌面任務,Gemini Robotics 2 第一次擴展到全身動作——DeepMind 展示了與 Apptronik 合作的 Apollo 2 人形機器人聽到「把澆水壺放到底層綠色架子」指令後,自主走路到桌邊 → 抓起壺 → 走到架子前 → 精準放置的完整流程。

為了讓機器人真的能進入家庭與職場,新版同時把**精細操作(dexterity)**大幅提升:

  • 控制五指 22 自由度的 SharpaWave 手,做打結、密封夾鏈袋這類細微動作。
  • 在 Franka Duo 雙臂平台上操作標準兩指夾爪,處理緊密堆疊包裝等高難度任務。

另外,**多機器人協作(multi-robot collaboration)**也首次落地——不同類型的機器人可以彼此通訊、分工完成單機做不來的工作流程。


安全性:ASIMOV-Agentic 基準 + 人體接近偵測

機器人能力越強,風險越大。Gemini Robotics 2 同時引入新的安全設計:

  • ASIMOV-Agentic:DeepMind 提出的新基準,用來量測機器人在不確定環境下的「主動安全協作」能力。例如 ER 模型能不能拒絕 VLA 發出的不安全指令、能不能預測任務可不可行、必要時主動請求人類介入。
  • 人體接近偵測升級:Gemini Robotics ER 2 在「人體鄰近時的安全約束遵循」與「人類靠近時觸發安全停機」這兩個指標上,是 DeepMind 目前最安全的機器人模型。官方把詳細數據寫在《Gemini Robotics 2: Safety Technical Report》。

DeepMind 的 partner 包括 Apptronik、Boston Dynamics、Agile Robots 三大機器人公司,這次的發表與 Apptronik 7 月初公開的「Robot Park」訓練基地(用 Apollo 2 機隊每天收集真實資料回傳 DeepMind)形成完整閉環。


取得方式

  • Gemini Robotics ER 2:已上架 Google AI Studio,企業用戶可在 Gemini Enterprise Agent Platform 取得 private preview。
  • Gemini Robotics 2(VLA)與 On-Device 2:限 early-access partners 申請。
  • 開發者整合細節請看 DeepMind 開發者部落格 與 model card。

🚨 為什麼這件事重要

從 LLM 革命到「物理 AI」競賽,機器人產業正進入 ChatGPT 當年的那個臨界點。2025 年 3 月 Gemini Robotics 首發時,多數 demo 還只能控制單臂做桌上工作;同年 9 月的 1.5 版本擴展到多機體;一年半後的 2.0,第一次做到「同一個模型 checkpoint」控制人形、雙臂、夾爪機器人跨載體執行任務,還能在本機端運行。

這個「模型即通用大腦,硬體即身體」的架構,正是 NVIDIA CEO 黃仁勳反覆強調的 Physical AI 主旋律——輝達自己用 Alpamayo、DeepMind 用 Gemini Robotics、特斯拉用 Optimus、Figure 各自押注,中國陣營也有阿里 QwenRobot、宇樹 Unitree R1 在追。三層分離(腦 VLA + 推理 VLM + 本機端部署)讓模型廠不必再為每一台新硬體從頭訓練,這會把研發成本往下壓、加速不同廠牌機器人之間的互通。

🚨 數據解讀與質疑

值得注意的成功率天花板:DeepMind 自家 benchmark 顯示,從地上撿起物品只有 45.7% 成功率,從桌上拿取也只有 68.4%——這個數字離「商業可部署」還有距離。DeepMind 自己也承認「多指靈巧操作仍具挑戰」,但與 Anthropic、OpenAI 不同,他們選擇把失敗率透明攤在 benchmark 圖上而不是只展示成功 demo,這算是負責任的做法。

「多機器人協作」落實程度的質疑:官方說不同類型機器人可以組隊,但目前的示範影片還停留在「一台 Apollo 2 + 一台 ALOHA 雙臂」這種實驗室配置,真正的異質機隊工廠部署(不同廠牌、不同作業系統的機器人彼此通訊)還沒實證。這跟 Figure 跟 BMW、Mercedes 在工廠部署的單機封閉式方案相比,DeepMind 走的是更宏大的開放標準路線,但落地時間表要看 partners 給多少真實工廠資料。

經濟性與家用門檻也是 HN 上讀者討論最熱的點:宇樹 Unitree R1 已經壓到 6000 美元,但 DeepMind 合作的 Apptronik Apollo 2 預估單台仍在數萬美元等級。HN 讀者 FartyMcFarter 認為這就像當年 ChatGPT「剛出來時也看似很笨」——技術爬升曲線可能比想像中陡;michaelmrose 則提醒真正的家用採用需要 3 倍以上的人力成本差距,不是 demo 漂亮就會有人買單。這個分歧會是未來一年觀察的重點。

網友熱門留言 (6)

#1 FartyMcFarter ▲ 156
這些機器人動作看起來緩慢、也不太流暢,但當初 ChatGPT 剛出來時也看似很笨。如果進步速度跟 LLM 一樣快,幾年內就會有大量實際應用。
#2 pwython ▲ 87
家事打掃這類任務,機器人公司最愛展示⋯⋯老實說就算機器人比人慢也沒關係,只要在你下班回家前打掃完就好。
#3 qurren ▲ 64
我悲觀地認為短期內家用經濟性不可行。企業採用門檻很低:能 24 小時輪 3 班取代人力,只要售價低於 3 倍年薪就划算。家用就完全不同——要說服美國家庭花超過 1000 美元買一台人形機器人,目前幾乎不可能。
#4 nearbuy ▲ 52
宇樹 Unitree 的 R1 售價只要約 6000 美元,而且還是早期小量產品,價格一定會降。如果家用機器人能取代洗碗機、掃地機器人、鐘點清潔、割草服務,對本來就在付這些錢的家庭來說,回本很快。
#5 michaelmrose ▲ 41
一般人會分期買 3 位數的小家電,因為已經槓桿過生活了。會借 4-5 位數買車,是因為沒車就上不了班。但絕對不會借 5 位到 6 位數去買『羅西機器人』做家事——真正的採用需要 3 倍以上的人力成本差距,而不是科技展示。
#6 jameshart ▲ 28
割草機器人單一功能就要價超過 1000 美元,掃地機器人跑道 600 美元,自動貓砂盆 500 美元起跳。家庭電器市場本來就是大家花大錢沒在手軟的。