Google DeepMind 推出 Gemini Robotics 和 Gemini Robotics-ER，基于 Gemini 2.0 模型，增强机器人与物理世界的交互能力。Gemini Robotics 具备视觉-语言-行动(VLA)功能，处理视觉信息、理解语言指令并生成动作，适配多样机器人形态，如 ALOHA 2 双臂平台和 Apptronik 的 Apollo 人形机器人。Gemini Robotics-ER 聚焦具身推理，提升空间理解，适配现有控制系统，强化机器人对环境的适应性。Google 强调，Gemini Robotics 在泛化性、交互性和灵巧性上取得突破，性能较其他视觉-语言-行动模型提升超一倍，支持机器人执行新任务，如折叠折纸狐狸或将零食装入拉链袋。

相较 2023 年 RT-2 模型，Gemini Robotics 突破动作复用限制，显著提升灵巧性，执行 RT-2 无法处理的复杂任务，如精细折纸和操作拉链袋，标志着从理解指令到执行精细动作的进步。Google 与 Apptronik 合作开发下一代人形机器人，Gemini Robotics-ER 已向 Boston Dynamics、Agility Robotics 等测试者开放，探索商业与工业应用。安全性方面，Google 采用分层方法，结合碰撞避免与力限制，发布 ASIMOV 数据集评估机器人动作安全，遵循阿西莫夫机器人定律，确保 AI 驱动机器人安全交互。

Gemini Robotics 的泛化能力使其适配未训练场景，解决机器人技术挑战，潜在应用包括家庭与工作场所助手。然而，模型仍处研究阶段，现实环境表现待验证。Google 的进展与 Figure AI、Tesla Optimus 等竞争，行业需解决自主性与安全问题，推动通用机器人发展。