Gemini Robotics 2发布 多机协作

时间：2026年7月30日 地点：英国伦敦 / 美国山景城（Google DeepMind总部） 人物：Google DeepMind（Google旗下AI研究实验室）、Steven Hansen（高级首席软件工程师）、Peng Xu（主任软件工程师）、Apptronik（人形机器人公司，Apollo 2制造商）、Boston Dynamics（波士顿动力，仪器读取能力合作方） 事件详情：Google DeepMind于7月30日正式发布Gemini Robotics 2机器人AI系统及核心组件Gemini Robotics ER 2具身推理模型。新系统将1个视觉语言模型（VLM）与2个视觉语言动作模型（VLA）整合，使机器人能在统一智能框架下完成全身动作控制。ER 2可接受视频、图像、音频与文本输入，进行长程任务规划，并可调用Google Search等外部工具；其底层基于Gemini 3.5 Flash，配备12.8万token上下文窗口与最高6.4万token输出。系统已通过Gemini API、Google AI Studio向开发者开放，并在Gemini Enterprise Agent Platform上提供私测。 背景：Gemini Robotics 2是DeepMind机器人路线的最新里程碑。今年4月14日DeepMind已发布Gemini Robotics-ER 1.6版本，新增工业仪表读取能力，并联合波士顿动力在现代汽车工厂开展试点。本次升级重点是引入连续视频流推理与多机协作能力，让机器人能判断"任务是否完成"、并在共享空间中协同完成单体难以独立执行的复杂工作流。Apptronik的Apollo 2人形机器人搭配Sharpa机械手已在DeepMind演示中实现货架整理、灯泡拧紧、垃圾袋系扎等全身精细操作。 影响： - DeepMind将"视频流判断+多机协作+工具调用"整合进同一推理模型，对标Anthropic、OpenAI在对话与编程领域的领先地位，凸显Google在机器人研究上的差异化优势； - Apptronik、Boston Dynamics等硬件合作方将获得新一代"机器人大脑"，工业巡检、仓储、家用服务等多场景的机器人自主能力有望进一步提升； - 128K上下文+多模态工具调用使机器人可执行分钟级长程任务，企业级Agent与物理AI融合的门槛进一步降低。 总结：Gemini Robotics 2延续了DeepMind自Say-Can、PaLM-SayCan以来的机器人研究积累，把"具身推理"从单步感知拓展到连续视频判断与多机协同，是2026年下半年机器人基础模型竞争的关键卡位。对国内厂商而言，Apptronik+Sharpa的人形机器人方案、Apptronik的工业落地经验以及DeepMind开放API都为具身智能玩家提供了清晰的对标路径。 参考来源： - https://www.wired.com/story/google-gemini-can-control-humanoid-robots/ - https://deepmind.google/blog/gemini-robotics-er-2-powering-robotics-with-video-understanding-task-orchestration-and-multi-robot-collaboration/ - https://blog.google/innovation-and-ai/models-and-research/google-deepmind/gemini-robotics-er-2/ - https://www.unite.ai/google-ships-gemini-robotics-er-2-with-multi-robot-teamwork/ - http://news.10jqka.com.cn/20260730/c678564773.shtml - https://baijiahao.baidu.com/s?id=1872153456270128923&wfr=spider&for=pc