机器人竟然能看视频并自主规划？“Gemini Robotics ER 2”震撼登场

想象一下：在工厂或物流仓库里，机器人像人类一样，“亲眼”观察着眼前发生的各种情况，并据此相互协作。过去，机器人更接近于按照预设规则运动的“机器”，但现在，AI正在成为机器人的大脑，一个能够自主判断并行动的时代正在全面开启。

谷歌近期发布了全新的AI模型——Gemini Robotics ER 2，它将显著提升机器人在物理世界中的推理与规划能力。Gemini Robotics ER 2 - The Keyword 这项技术不仅让机器人摆脱了固定路径的束缚，更能帮助它们自主理解复杂环境并解决实际问题。

为什么这很重要？

以往的机器人必须严格遵守人工编写的指令，稍有偏差便无法运作。然而，我们所处的现实世界存在太多变量。一旦物品位置略有变动，或者需要更改作业顺序，传统的机器人往往会陷入瘫痪，只能停止工作。

此次发布的技术意义深远，因为它赋予了机器人“高级大脑”。Gemini Robotics ER 2 - Model Card — Google DeepMind 现在，机器人可以自主判断情况、编排任务顺序，并实现多台机器人之间的相互配合以达成目标。这意味着我们不仅能与机器人进行更自然的交互，还能构建出更加精密、灵活的自动化系统。

浅显易懂的解读

谷歌的 Gemini Robotics 2 模型系列主要由三个功能板块构成：Google’s Gemini Robotics 2 Achieves 92% Hand Precision

1. Robotics 2 (动作模型)：负责机器人物理运动的“手脚”。
2. Robotics ER 2 (推理与规划模型)：负责理解周边状况并确定工作顺序的“大脑”。
3. Robotics On-Device 2 (轻量级动作模型)：无需连接网络即可立即做出反应的“反射神经”。

打个比方，就像我们做饭时既需要“规划要做什么的头脑”，也需要“实际切菜翻炒的双手”，谷歌为机器人打造了同样的架构体系。特别是此次增强的 ER 2 模型，基于谷歌高性能AI“Gemini 3.5 Flash”构建，具备极强的空间理解力。[Gemini Robotics-ER 1.6

Gemini API

Google AI for Developers](https://ai.google.dev/gemini-api/docs/robotics-overview)

机器人可以通过实时接收的视频数据，自行判断当前任务的进度。[Videounderstanding

Gemini API

Google AI for Developers](https://ai.google.dev/gemini-api/docs/robotics-video-progress) 这无异于为机器人安装了人类的“双眼”，赋予了它们视觉认知能力。

发展现状如何？

目前，Gemini Robotics ER 2 已具备视觉空间推理、视频情境感知，以及多机器人协调指挥（调度多台机器人的动作）的功能。Gemini Robotics ER 2 - The Keyword

在近期的测试中，该模型实现了高达 92% 的手部精准度，证明了其在极其细致复杂的操作中同样游刃有余。Google’s Gemini Robotics 2 Achieves 92% Hand Precision 虽然前代模型 ER 1.6 在空间推理和工具使用方面已有长足进步，但 ER 2 被公认为将机器人的智能提升到了一个新的台阶。Gemini Robotics ER 1.6 — Google DeepMind

当然，谷歌也对这项强大技术的应用提出了警示。特别是在与医疗或安全直接相关的领域，必须采取谨慎态度，目前该技术仍处于人类监督下的应用阶段。Gemini Robotics ER 2 - Model Card — Google DeepMind

未来展望

展望未来，机器人将能够更好地理解我们日常口语中表达的复杂指令。只需一句自然的话语，如“把那边的箱子搬过来，装进右边的桶里”，机器人便能通过分析视频、自主建立规划并执行任务，这一天已经不远了。更进一步，我们还可以期待多台机器人协同作战，以更快的速度处理宏大繁杂的任务。机器人正在迅速进化，成为真正能够为人类生活提供实质性帮助的有力工具。

MindTickleBytes AI 记者观点

此次发布的新模型为机器人注入了“思考之力”，正在将机器人从单一的自动化设备转变为“能够行动的智慧体”。随着技术不断演进，人类与机器人的协作方式也将变得愈发精准且自然。

参考资料

1. [Gemini Robotics-ER 1.6

   Gemini API

   Google AI for Developers](https://ai.google.dev/gemini-api/docs/robotics-overview)

2. Gemini Robotics 2

3. [Gemini Robotics: Advancing Physical AI with Vision-Language-Action models

   Encord](https://encord.com/blog/gemini-robotics/)

4. Gemini Robotics ER 1.6: Enhanced Embodied Reasoning — Google DeepMind
5. Gemini Robotics ER 1.6 — Google DeepMind
6. Gemini Robotics ER-1.6 enhances reasoning to help robots navigate real-world tasks.
7. Gemini Robotics: Bringing AI into the Physical World
8. Gemini Robotics ER 2 - The Keyword
9. Gemini Robotics ER 2 - Model Card — Google DeepMind
10. Google’s Gemini Robotics 2 Achieves 92% Hand Precision
11. Powering Smart Robots With Google Gemini Robotics Models

12. [Videounderstanding

    Gemini API

    Google AI for Developers](https://ai.google.dev/gemini-api/docs/robotics-video-progress)

13. Google unveils Gemini Robotics and Gemini Robotics ER for…
14. Google Unveils Gemini Robotics: AI Model Enabling Human-like…

15. [Google DeepMind launches Gemini Robotics 1.5, a new AI…

    LinkedIn](https://www.linkedin.com/posts/allip-lamah-34241a255_devfullstack-joinme-googledeepmindlaunchesgeminirobotics-activity-7378734866953089025-VbWP)