Gemini Robotics Embodied Reasoning 2 is now available on Google Cloud

Gemini Robotics 身体推理 2 现已上线 Google Cloud | Google Cloud 博客

AI 与机器学习

Gemini Robotics 身体推理 2 现已上线 Google Cloud

2026年10月28日

##### Carolina Parada

Deepmind Robotics 首席副总裁兼负责人

##### Adrian Jones

应用人工智能黑带专家

今年早些时候，我们推出了 Gemini Robotics 2 —— 这是我们的下一代智能层，使机器人能够在物理世界中思考、行动和适应。这一突破的核心是 Gemini Robotics 身体推理 2（ER 2），这是一种专门的 Gemini 模型，作为机器人的高级大脑。无论机器人采用何种形态——从固定机械臂到完整人形机器人——Gemini Robotics ER 2 都能结合先进的空间和时间视频理解能力、长周期规划以及内置的安全防护机制。这使机器人能够与人类自然对话、协调底层动作模型和硬件 API、执行涉及数百个决策的多分钟任务，并与多机器人团队协作。

今天，我们将这一前沿的身体推理模型引入企业生产环境：Gemini Robotics ER 2 现已通过 Gemini 平台的公开预览版上线。首次实现企业可将 Google DeepMind 最新的机器人身体推理模型与 Google Cloud 的企业级安全防护、多智能体协调以及端到端生命周期管理相结合，从而更轻松地大规模模拟、评估和部署安全且适应性强的物理人工智能系统。

为企业的机器人赋能物理智能体

Gemini Robotics ER 2 将机器人转化为物理智能体。该模型结合深度时空推理和长周期规划能力，使机器人能够协调步骤完成任务、自我纠正并适应新场景。要构建智能体架构，开发者可以将底层控制接口（如视觉-语言-动作（VLA）模型或导航 API）声明为工具，并直接将多模态视频、音频或文本流式传输到模型中。

该模型为构建和运营机器人系统的企业提供以下能力：

1. 物理任务验证、理解和自我纠正

在物理操作中，机器人需要确认某一步骤实际成功后才能继续下一步。Gemini Robotics ER 2 通过分析连续视频流实时适应新场景。该模型：

• 将任务进度分类为二元状态、离散类别或连续评分，提升实时态势感知能力，使系统能在不重启整个工作流的情况下实时调整或迭代失败步骤。

• 以91.3%的准确率定位关键事件发生的精确视频帧（如何时停止倒液体），平均绝对帧距离为0.96秒，执行速度是许多大型模型类别的4倍，计算成本仅为其中一小部分。

• 提升了核心空间推理能力，包括视觉问答和仪表读取。例如，它可直接从视觉输入中读取和解释10多种仪表类别（包括圆形刻度盘、视镜、数字显示屏、线性刻度、尺子和液体温度计）的数值。

Gemini Robotics ER 2 可协调各种形态和尺寸的机器人，从固定机械臂、轮式探测车到四足机器人和复杂形态，其智能能力均可灵活扩展。它还实现了多机器人协作，使不同类型的机器人能够共享对工作空间的语义理解，合理分配任务并交接工作，从而完成单台机器无法独立完成的复杂流程。

3. 智能工具编排与自然语言交互

Gemini Robotics ER 2 在规划下一步行动的同时，能够同步协调执行动作。开发者可以将低级控制接口（如 VLA 模型、导航 API 或自定义函数）声明为工具，这些工具可跨仿真环境、真实机器人控制或人类远程操作进行部署。Gemini Robotics ER 2 能够通过自然语言指令协调导航和机械臂运动 API，使机器人在执行动作时能够解释自身策略，同时允许操作人员使用自然语言进行干预和重定向。

4. 在 Google Cloud 上构建安全且自适应的物理智能体

开发人员和企业团队使用 Gemini 平台来模拟、编排和管理物理智能体，这些智能体随后通过 Google Cloud 的可扩展基础设施直接部署到边缘设备上的物理机器人：

• 快速模拟：在 MuJoCo-Warp 和 NVIDIA Isaac Sim 等熟悉的仿真环境中运行，无需接触硬件即可测试机器人行为。然后通过 Gemini 平台使用多模态模型生成合成场景，并自动标注工作单元图像。
• 智能训练：利用 Gemini Robotics ER 2 的空间指向、关键帧提取和进度分类功能，在 Cloud Storage 和 BigQuery 中筛选和标注演示视频。随后通过 Gemini 平台、GKE 或 Cluster Director 训练自定义的视觉-语言-动作（VLA）模型。
• 便捷操作：通过 Gemini 平台部署 Gemini Robotics ER 2 工作流，集成企业 IAM、安全控制和内置函数调用功能。使用 Google Distributed Cloud 将 SLAM 和路径规划等延迟敏感型本地工作负载卸载到工厂现场，并将舰队遥测数据流式传输到 BigQuery。完整架构请参见 Google Cloud 物理 AI 解决方案。

客户如何在 Gemini 平台上使用 Gemini Robotics ER 2 构建应用

“我们看到使用 AIVI-Learning 的客户数量每月呈指数级增长，而 Gemini Robotics ER 2 为他们带来了更多价值。视频改变了检测的定义。Spot 不再只是在某一时刻检查某物是否看起来正常，将 AI 模型应用于视频的能力开启了全新的可能性。”

Marco da Silva，波士顿动力公司 Spot 部门副总裁兼总经理

“DeepReach AI 是物理 AI 的现实世界技能引擎。我们的硬件和 AI 平台捕捉全球各地熟练工人工作的方式，并将其转化为模型训练的数据飞轮。Gemini Robotics ER 2 为我们提供了对每段视频的精准任务理解，帮助我们更快、更大规模地找到最关键的数据。”

Chris Liu，DeepReach 联合创始人兼首席技术官

“高级推理模型有潜力帮助机器人解读复杂环境、规划行动并适应变化条件，为物理人工智能开辟新的可能性。Google的Gemini Robotics ER 2模型在这方面迈出了重要一步，我们很兴奋能与Google合作，探索这些新兴能力如何塑造下一代机器人计算平台。”

Barrie Mullins，Arm物理人工智能事业部高级总监，Arm公司

“我们的目标是加速材料研发工作流程，让科学家能够更快地测试更多想法。目前大多数实验室自动化依赖于针对单一孤立任务的固定脚本。通过使用Gemini Robotics ER 2，我们赋予机器人视觉和物理灵活性，使其能够与现有基础设施协同工作——无论是读取没有API的老式微波反应器触摸屏、平衡并装载离心机，还是在繁忙的实验室中安全移动样本。这是我们渴望实现的下一个层次。这使我们离能够从合成到分离运行完整实验活动的自动驾驶实验室更近了一步，让研究人员能够专注于构思新材料的创新想法。”

Loh Xian Jun教授，ASTAR材料研究与工程研究所（ASTAR IMRE）执行主任，MARVEL-AI执行主任

在Gemini平台中开始使用Gemini Robotics ER 2

开发者和企业团队今天可通过Gemini平台的Model Garden预览版开始构建Gemini Robotics ER 2应用。

• 在Gemini平台中构建：访问Gemini Robotics ER 2文档和定价页面
• 查看开发者指南：在Gemini API Robotics文档中查看示例代码和双向流传输指南
• 阅读研究资料：深入阅读Google DeepMind发布的Gemini Robotics ER 2基准测试和安全技术报告
• 了解Google Cloud上的物理人工智能：访问cloud.google.com/solutions/physical-ai和cloud.google.com/ai，了解Google Cloud基础设施如何支持仿真、训练和部署

发布分类：

• 人工智能与机器学习