Gemini Robotics将AI带入物理世界

谷歌DeepMind正式推出基于Gemini 2.0的两款机器人AI模型：

  1. Gemini Robotics：先进的视觉-语言-动作(VLA)模型，新增物理动作输出模态，可直接控制机器人
    1. Gemini Robotics-ER：具备空间理解能力的增强模型，支持开发者调用其具身推理(ER)能力

核心技术突破

通用性

  • 利用Gemini的世界理解能力处理未见过的任务/物体/环境
    • 在泛化基准测试中性能达到其他SOTA模型的两倍以上

交互性

  • 基于Gemini 2.0的自然语言理解
    • 支持多语言即时指令响应
    • 实时环境监测与动态调整能力

灵巧性

  • 完成折纸、食品包装等精细操作
    • 支持多步骤复杂任务执行

多形态适配

  • 兼容ALOHA 2双臂平台
    • 适配Franka机械臂
    • 正在开发人形机器人Apollo的专用版本

安全架构

  • 底层运动控制安全机制(防碰撞/接触力限制)
    • 高层语义安全理解
    • 发布ASIMOV数据集推进安全研究
    • 采用数据驱动的"机器人宪法"框架

合作伙伴

  • Apptronik(人形机器人开发)
    • 波士顿动力等机构参与测试 查看技术报告 更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）