什么值得买App下载 App ›
连续签到专享现金活动

机器人终于能“长脑子”了:谷歌Gemini 2让机器告别半身不遂

谷歌Gemini Robotics 2来了:机器人终于能"从头管到脚"
从"半身"到"全身":这步跨越意味着什么
7月30日,谷歌DeepMind甩出了一颗技术"核弹"——Gemini Robotics 2系列模型。最大的亮点只有一个:人形机器人第一次实现了从脚趾到指尖的全身统一控制。过去那些能跑能跳的机器人,大多是上半身的"手臂表演",下半身走路靠的是另一套独立系统。Gemini Robotics 2打破了这个壁垒——同一个AI模型,现在能同时调度机器人的躯干、四肢和手指关节。1
演示视频里,Apptronik的Apollo 2人形机器人收到一句指令"把洒水壶放到下层架子上",全程自主完成了穿越房间、避障、弯腰、抓取、放置这一连串动作。没有预设路径,没有分步编程,一个模型管到底。2
三款模型各管一摊,"大脑"和"小脑"分开了
Gemini Robotics 2不是一款模型,而是一套三模型协同的系统。这种"分工协作"的架构,解决的其实是机器人领域的老大难问题——"停下来想一想再动"的卡顿感。
Gemini Robotics 2(VLA模型)是执行层,把摄像头画面和自然语言指令直接翻译成电机控制信号,驱动全身关节运动。Gemini Robotics ER 2(具身推理模型)是"高级大脑",负责看视频理解环境、拆解多步骤任务、实时追踪进度,出错了还能原地重试不用从头来过。Gemini Robotics On-Device 2(端侧模型)则是本地运行的轻量版,几个小时、不到200个样本就能适配一台全新的机器人本体。3
三者的逻辑很清晰:ER 2负责"想",Gemini Robotics 2负责"动",On-Device负责"跑得动别卡壳"。这种分层设计让推理和执行解耦,也给第三方硬件接入降低了门槛——谷歌不造机器人,只卖"大脑"。4
拧灯泡92%,扎垃圾袋44%:数字背后藏着什么
官方公布的数据最能说明问题。"拧下灯泡"任务成功率飙到92%——这需要手指精准控制力度和角度,轻了拧不动,重了捏碎玻璃。但转到"扎垃圾袋、封Ziplock密封袋"这类操作,成功率直接掉到40%左右。差距背后的原因是真实的:机器人对柔软、可变形物体的感知和控制,离人类水平还差得远。4
  • 拧下灯泡:92%
    五指灵巧手精准控制力度,不会捏碎玻璃灯罩
    5
  • 货架/桌面/地面拾取:68%-76%
    高度越低成功率越低,地面拾取仅45.7%
    5
  • 精细操作短板明显
    拧紧灯泡36%、扎垃圾袋44%、封密封袋40%、用簸箕32%
    5
DeepMind机器人业务总监Kanishka Rao说得实在:"真正实现机器人媲美人类的灵巧性仍然任重道远。人类往往只需经历一两次错误便能调整行为,而机器人距离这一水平仍有较大差距。"翻译一下就是:机器人的"学费"还交得不够。6
多机器人"组队":从单兵作战到协同作业
ER 2还有一个新能力——多机器人协作。演示视频里,Apollo 2人形机器人与更简单的Franka F3 Duo机械臂"组队"完成同一任务,互不干扰。这意味着不同形态的机器人可以通信分工,联手搞定单个机器人搞不定的复杂工作流。工厂里需要多台设备配合的场景,理论上有了新的解法。1
ER 2还能调用Google Search等外部工具辅助决策。遇到模糊指令或者不确定的环境,机器人可以直接"查资料",而不是傻等人类补充说明。这一点,是其他机器人AI平台目前还没补上的能力缺口。4
平台策略背后:谷歌的机器人"野心"换了一种打法
这次发布最值得玩味的信号是:谷歌不造机器人硬件,只卖"大脑"。这条路线和特斯拉Optimus、宇树H1的软硬件一体打法完全不同。好处是迭代快、铺开成本低;风险是——如果"大脑"和"本体"磨合不好,最终体验谁来负责?7
竞争格局也在生变。OpenAI押注Figure AI、英伟达推GR00T平台、特斯拉自研Optimus……各路玩家都在抢人形机器人大脑这个赛道。谷歌手里攥着的牌是Gemini多模态大模型的底层能力,加上Google Search的工具调用入口。但短板也明显——没有自研硬件,必须依赖Apptronik、波士顿动力这些合作伙伴,迭代速度可能受制于人。4
ER 2已经通过Gemini API和AI Studio向开发者开放,VLA和端侧模型则只向早期合作伙伴提供。这套分批开放的策略,本质上是在商业化落地的压力下边放边看——先让一部分人用起来,再用真实反馈迭代模型。8
全身控制只是起点,"灵巧"才是终局
Gemini Robotics 2的全身控制是一道分水岭——它证明了用一个模型管全身这件事在技术上已经走得通。但"走得通"不等于"走得快":机器人的动作速度、复杂场景的泛化能力、对柔性物体的处理,这些才是从"能演示"到"能干活"之间的真正鸿沟。9
接下来真正考验谷歌的,是这套"大脑"能不能在真实工厂、真实家庭里稳定跑起来、快速适配新本体,而不是只停留在演示视频里。全身控制是起点,灵巧操作是壁垒,而商业化落地才是终点。

评论

评论区空态插画

当前文章无评论,是时候发表评论了