当地时间7月30日，Google DeepMind正式推出新一代机器人基础模型系列Gemini Robotics 2，彻底升级前代产品仅能控制机器人上半身完成桌面任务的局限，首次通过单一视觉-语言-动作（VLA）模型实现人形机器人从双腿、躯干到手指的全身自由度控制，同时打通跨硬件适配、多机协作、端侧部署与安全管控能力，成为谷歌布局物理世界通用人工智能的关键里程碑。

长期以来，机器人行业存在两大核心技术断层，制约着实体AI的落地普及。一方面，传统人形机器人普遍采用分层拼接式控制架构，行走平衡、肢体操作等功能依赖独立控制器分别运作，系统协同性差，难以实现边走边操作的自然动作，真实开放环境适配能力不足；另一方面，传统机器人模型针对性硬件训练，更换设备形态、传感器与自由度后，大多需要重新采集数据、迭代训练，行业重复研发成本高，通用化规模效应难以形成。

此次发布的Gemini Robotics 2并非单一模型，而是一套分工明确、可独立运作亦可协同联动的模型家族，包含主力VLA模型、具身推理模型与端侧轻量化模型三大核心组件，精准补齐行业技术短板。

核心的Gemini Robotics 2 VLA模型是DeepMind首款可端到端控制完整人形机器人的视觉-语言-动作模型，能够将摄像头视觉信息与自然语言指令，直接转化为机器人电机控制信号。该模型最大的突破是实现了模型权重通用，同一份参数可适配多款形态差异显著的硬件设备，包括搭载不同机械手的Apptronik Apollo 2人形机器人、Franka Duo双臂平台等，大幅降低跨硬件适配成本，打破传统机器人的设备绑定壁垒。

Gemini Robotics ER 2作为配套的具身推理模型，承担机器人先进“智能大脑”的角色。该视觉语言模型可接收自然语言指令、解析连续视频流，将长达数分钟的复杂多步骤任务拆解为可落地的子任务，全程监控执行进度，在任务失败时自动重试，遇到不确定场景时主动向人类求助。依托Gemini Live API双向流式通信能力，ER 2可实现动作执行与下一步推理同步进行，解决了传统机器人“执行一步、停顿思考一步”的卡顿问题，让机器人动作衔接更流畅。同时，该模型升级了空间推理能力，可捕捉任务执行中的液体洒落、物品滑落等动态事件，识别仪表类型拓展至数字显示屏、直尺等多类设备，大幅提升复杂场景感知精度。

Gemini Robotics On-Device 2则是专为离线、低延迟场景打造的端侧VLA模型，继承前代1.5版本的动作迁移技术优势。即便面对外形、传感器、自由度差异极大的全新机器人平台，该模型仅需不到200组演示样本、数小时适配训练，即可完成落地部署，有效适配无网络、高实时性要求的工业与家用场景。

在官方公开的实测演示中，搭载全套模型的Apptronik Apollo 2人形机器人，可自主完成全流程复杂任务：接收放置指令后，自主绕行障碍物、穿越房间、精准拾取浇水壶，并将其放置于低层货架的指定箱体中，完整实现全身协调作业。同时，新模型首次赋予机器人异构协作能力，无需预设通信协议，不同形态机器人可通过共享语义理解分工协作，完成单一设备无法胜任的复合任务，例如擅长移动的人形机器人与擅长精密操作的机械臂协同作业。

为保障机器人落地安全性，DeepMind同步开源ASIMOV-Agentic基准体系，搭建多层级安全防护框架。该基准可智能甄别不安全指令，支持拒绝违规工具调用、预判任务可行性，在场景不确定时主动请求人类介入。依托ER 2的增强感知能力，机器人可实时检测周边人类距离，在人员靠近时自动平稳停机，大幅提升人机协同场景的安全性，也是谷歌目前安全性表现最优的机器人模型系列。

尽管技术实现重大突破，但Gemini Robotics 2仍存在明显的落地短板，距离商用普及尚有较大距离。官方披露的实测数据显示，机器人抓取任务稳定性参差不齐：桌面物品抓取成功率为68.4%，地面物品抓取成功率仅45.7%，货架物品抓取成功率为76.3%。在精细灵巧操作场景中，能力差距更为显著，拧松灯泡成功率可达92%，但安装灯泡成功率仅36%，垃圾袋打结、密封拉链袋、簸箕收纳等生活化精细任务成功率分别为44%、40%、32%。整体来看，机器人动作速度偏慢，复杂精细操作的稳定性不足。

DeepMind团队也坦诚目前的技术限制。机器人部门副总裁Carolina Parada表示，这套模型是驱动下一代自适应机器人的核心智能层，谷歌的长远目标是搭建通用、高效的机器人物理世界智能体系。机器人部门总监Kanishka Rao则直言，真正的机器人灵活度仍是长期攻关难题，当前机器人多数决策仍需停顿运算，无法达到人类的直觉式反应速度。

从行业格局来看，Gemini Robotics 2的全身控制技术并非行业首创。今年1月，Figure发布的Helix 02模型已实现人形机器人全自由度全身控制，依托三层架构完成长达四分钟、包含61个连续动作的洗碗全流程任务，长时序动作完整性更具优势。但Helix 02模型仅适配自家硬件、不对外开放，而Gemini Robotics 2的核心差异化优势在于通用开放性，可兼容多品牌第三方硬件，同时开放推理层能力供开发者迭代优化。对比主打技能组合泛化的Physical Intelligence π0.7模型，谷歌新品在跨硬件兼容、全身协同控制层面更具优势。

在产业布局上，谷歌此次更新延续了其深耕机器人领域的长期战略。自2025年推出首代Gemini Robotics模型确立语言视觉转动作的开发方向后，谷歌历经早年密集收购、业务收缩、关停Everyday Robots部门的起伏，如今再度加大技术投入，重燃十余年机器人布局野心。目前，Gemini Robotics ER 2已上线Google AI Studio，并开启Gemini Enterprise Agent Platform私有预览，主力VLA模型与端侧模型仅对Apptronik、Franka、敏捷机器人（Agile Robots）等早期合作伙伴开放。

行业分析认为，依托与Apptronik共建的机器人实训体系，Apollo 2机器人持续产出真实场景训练数据，形成“硬件迭代-数据积累-模型升级-能力拓展”的实体AI规模化循环。虽然Gemini Robotics 2在动作稳定性、精细操作、运行速度上仍有短板，但成功验证了机器人行走与操作统一建模的技术方向，为通用物理人工智能的落地，以及人形机器人产业的规模化发展奠定了重要基础。面对OpenAI、英伟达等行业玩家的激烈竞争，谷歌正凭借通用开放的机器人AI模型生态，全力抢占人形机器人产业的技术制高点。