维度网讯，Alphabet Inc.旗下的人工智能研究实验室DeepMind（Google DeepMind）于今日推出Gemini Robotics 2系列模型。该系列面向人形机器人设计，可支持多台自主机器人协同完成一项任务，并能够自动执行包含数百个步骤的杂务。

目前主流人形机器人采用双系统AI架构：具身推理模型负责制定任务执行的高层计划，VLA模型则将计划转换为机器人电机的底层指令。Gemini Robotics 2系列的核心是名为Gemini Robotics ER 2的具身推理模型，用户可用自然语言描述机器人应执行的任务。据谷歌介绍，ER 2可支持包含数百个步骤、耗时数分钟的任务。

ER 2可将冗长的任务拆分给多台不同机器人以加速完成，同时其工具调用功能允许模型访问外部云服务，例如通过谷歌搜索来澄清提示中无法理解的部分。

针对人形机器人需要重试未成功任务的需求，工程师为ER 2配备了两项功能。其一，模型可利用机器人自身摄像头拍摄的画面跟踪任务进度，出错时会识别最后正确完成的步骤并从中断处继续，免去从头重做。其二，ER 2在判断任务完成时机方面优于前代模型，机器人越早确认一项任务结束，就能越快进入下一项任务，该功能也有助于简化识别纠错方法等环节。

谷歌工程师史蒂文·汉森（Steven Hansen）与Peng Xu在公司博客文章中介绍，机器人通过观看连续的视频流，可以跟踪自身进度、在出现问题时调整，并明确何时进入下一步。

ER 2制定行动计划后，可将指令发送给Gemini Robotics 2系列中另外两个VLA模型之一。第一个模型名为Gemini Robotics 2，可控制人形机器人全部身体部位，而不仅限于双手，能够在降低跌倒风险的前提下优化宿主机器的重心，同时支持比DeepMind早期软件更多种类的机械手。

第二个VLA模型名为Gemini Robotics On-Device 2，用于直接运行在人形机器人的板载计算机上，只需数小时训练即可适配到新机器人。开发人员可通过谷歌云、Gemini API和Google AI Studio访问ER 2。

伴随模型发布，谷歌还推出了新的具身AI安全基准ASIMOV-Agentic Benchmark，用于评估人形机器人避免碰撞等风险的能力。