谷歌DeepMind发布Gemini Robotics 2：全身控制与灵巧双手

8月2日，谷歌DeepMind正式发布Gemini Robotics 2，这是其视觉-语言-动作模型的最新版本。相比上一代仅控制上半身进行桌面任务，新模型实现了三大跃升：智能全身控制、高级灵巧度和多机器人协作。

在控制Apptronik Apollo 2人形机器人时，用户发出指令后，机器人自主完成走向桌子、拿起浇水壶、走到架子前、放入桶中的完整流程。这一过程涉及全身协调的每一步决策，包括理解任务目标、规划路径、保持平衡和精确控制力度。

Gemini Robotics 2现在能够控制Apollo 2上五指22自由度的灵巧手，完成打结、密封密封袋等精细动作；在Franka Duo平台上也能操作标准双指平行夹具，执行紧密填料等复杂任务。

模型还引入了多机器人协作能力，不同类型的机器人可以通信并协同工作，解决单一机器人无法完成的复杂工作流。Gemini Robotics ER 2作为机器人的高级大脑，能识别任务开始和结束，精确定位关键事件，并在步骤失败时自我纠正。

DeepMind推出了ASIMOV-Agentic基准，衡量具身推理代理拒绝不安全工具调用的能力，以及预测任务可行性并在不确定时请求人工干预的能力。Gemini Robotics ER 2在安全约束遵循和人机接近基准测试中表现最佳，能检测附近的人并安全停下。

针对工厂、仓库等需要无网络延迟或断网运行的应用场景，DeepMind推出了Gemini Robotics On-Device 2，可在本地机器人设备上运行。该模型仅需不到200条数据和数小时适应时间，即可适配形状、传感器和自由度完全不同的双臂机器人。

从上半身控制到全身协调，从执行指令到自己判断该不该停，Gemini Robotics 2正在赋予机器人更完整、安全的大脑。22自由度灵巧手打结、密封袋的能力，让人不禁想象——当机器人能像人一样系鞋带时，它离走进日常生活又近了一步。