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

2. 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）公众号二维码

办公AI智能小助手