Gemini Robotics 2
Gemini Robotics 2 是 Google DeepMind 面向现实世界机器人的视觉-语言-动作和具身推理堆栈。它将感知和语言转化为运动控制，规划多步骤任务，实现全身灵巧操作，并协调多个机器人在动态且以人为中心的环境中协作。
概览
团队集成 Gemini Robotics 2 以感知场景、规划多步骤任务，并在手、臂和腿部执行稳健运动。系统融合视觉上下文和自然语言目标，生成可执行的控制轨迹，实时适应环境变化、用户干预或多机器人间的任务分配。
能力
设计面向构建通用操作器和人形机器人的机器人团队、企业自动化团队、探索具身 AI 的实验室研究人员以及试点服务、仓储或现场部署的初创公司。适用于任务每日变化、环境多变且需与人类或异构机器人协作的场景。技术采购者寻求适应性控制、执行过程中的可解释性及硬件间最小调试，尤其在安全、责任和运营正常运行时间为关键约束时，将获益最大。
- 将视觉和语言转换为机器人精准、低延迟的运动指令。
- 通过空间推理和动态约束处理生成长远规划。
- 协调多机器人工作流程，实现灵活的通信、任务分工和重新规划。
- 提供全身人形控制，实现平衡、伸展、抓取和移动。
- 快速适应新具身平台，包括高效的设备端执行选项。
关键能力
适用对象
访问目前通过不断扩展的可信测试者计划和与机器人硬件供应商的研究合作进行。团队定义目标具身平台和任务，协作进行数据收集、控制器启动和评估协议。自然语言接口支持操作员参与的试验，无需大量底层编程。文档涵盖模型能力、具身适配工作流程及推荐的安全实践。设备端变体适用于延迟、隐私或离线操作优先的场景。寻求早期试点的组织应明确硬件规格、代表性任务集和设施限制，以加速范围界定。随着准备度提升，分阶段部署验证可靠性、恢复行为及在现实吞吐量和停机目标下的人机交互。
感知、推理与行动——为与我们安全共事的机器人打造的一体化堆栈。
入门指南
Gemini Robotics 2 将世界感知规划与高精度控制融合于单一、可适应的堆栈。它跨具身平台泛化，支持可解释的自然语言监督，并可扩展至设备端边缘执行及多机器人协作。依托 DeepMind 的安全工作与合作伙伴关系，目标是在脆弱的单任务系统失效的非结构化空间中实现实用可靠性。对于寻求快速启动、灵巧操作及协调人形机器人操作的团队，它提供了通向多功能、生产级机器人技术的可信路径。
打开该工具并查看其核心产品体验。
创建账户或进入你已有的工作空间。
使用你自己的任务判断速度、质量和适配度。
在最终决定前查看类似 AI 工具。
Gemini Robotics 2
Google DeepMind 是一家推动通用智能实现现实影响的 AI 研究与工程机构。其工作涵盖基础模型、具身 AI、安全及应用科学。Gemini 系列统一多模态感知、推理与控制，使开发者和合作伙伴能够将前沿研究转化为面向工业、科学和社会的稳健系统。
Gemini Robotics 2 是 DeepMind 最先进的视觉-语言-动作（VLA）模型，配备具身推理（ER）模型以实现世界感知规划。VLA 将多模态输入转换为针对手臂、手和完整人形身体的低延迟运动指令。ER 负责物理空间映射、约束推理，并生成可执行、可监控且可动态调整的长远多步骤计划。两者结合，实现精准的全身控制、细致的操作以及多机器人在共享动态环境中的协作。该堆栈适应新型具身平台，据报道双臂平台的启动时间为数小时，并提供适用于资源受限硬件的高效设备端变体。交互自然：用户可提供日常指令、中途重定向行为，并获得意图和进展的解释。安全通过多层保障措施及与外部专家的合作得到保障。与领先硬件公司的研究合作展示了系统在多样化操作器和人形机器人上的应用，同时不断扩展的可信测试者计划评估其在现实操作中的可靠性、可用性和部署准备度。
deepmind.google/models/gemini-robotics/
评论 (0)
暂无评论