谷歌Gemini Robotics 2发布：人形机器人全身控制，物理AGI迈出关键一步

2026年7月30日，谷歌DeepMind发布新一代机器人AI模型Gemini Robotics 2。这次发布最值得关注的不是某个单项能力，而是一个结构性变化——首次实现对人形机器人的全身控制：从行走、蹲下、伸手到双手操作物件，全部由同一个模型完成，并且能自行规划多步任务、与其他机器人分工协作。

DeepMind机器人业务负责人卡罗琳娜·帕拉达（Carolina Parada）称，这是迈向真正”物理AGI”的关键一步。消息发布当日，谷歌美股盘前一度上涨3%。

一、三款模型，各管一段

这次实际发布的是一个系列，共三款模型，分工清晰：

• Gemini Robotics 2：视觉-语言-动作（VLA）模型，负责把摄像头画面和自然语言指令转化为电机控制指令
• Gemini Robotics ER 2：具身推理模型，负责理解环境、与人沟通、规划多步任务，并协调多台机器人完成工作
• Gemini Robotics On-Device 2：可直接在机器人机载计算机上运行，减少对网络连接的依赖

开放节奏上，Gemini Robotics ER 2即日起通过Gemini API和Google AI Studio向开发者提供，另外两款先向早期合作伙伴开放。

三款模型能力对照

二、ER 2才是真正的”高级大脑”

系列里最亮眼的是Gemini Robotics ER 2。谷歌方面的形容是：可以把它看作机器人的高级大脑，让机器人能够与人类聊天、理解物理世界并规划多步骤任务。

具体能力包括：

• 支持自然语言下达指令，规划并执行耗时数分钟、包含数百个步骤的长程任务
• 具备工具调用能力，可访问外部云服务（如Google搜索）来澄清模糊指令
• 能把冗长任务拆解、分配给多个机器人并行处理，显著提升执行效率

官方演示的任务已经从实验室走向生活场景：整理货架、系袋子、更换灯泡、自动化处理包含数百个步骤的家务劳动。

三、别急着欢呼：92%背后还有多远的路

务实一点看数据。研究人员表示，机器人完成”拧下灯泡”这一任务的成功率达到92%，但更加复杂动作的成功率仍然相对较低。

这句话值得反复读。92%听起来很高，可放到真实家庭或工厂场景里，意味着每12次操作就有1次失败。而灯泡还是相对结构化的任务——更复杂的柔性操作、多物体交互、意外扰动下的恢复，成功率会明显下滑。

过去互联网上流行的机器人跑步、跳舞视频，大多依赖预设程序执行单一任务。Gemini Robotics 2的价值在于换了一条路：用统一大模型替代分模块的手工编程。这条路一旦跑通，机器人的能力增长曲线会和大模型对齐，而不是靠工程师一个动作一个动作去调。

四、对国内产业链的三个提示

• 本体厂商压力上升：当”大脑”由通用模型提供，硬件的差异化必须回到成本、可靠性与量产能力上
• 具身数据是护城河：模型泛化靠数据，真实场景的操作数据仍然稀缺，这是国内团队的机会窗口
• 端侧推理成刚需：On-Device 2的出现说明谷歌也认同网络依赖是落地障碍，国产端侧算力方案值得关注

FAQ

Q1：Gemini Robotics 2最大的突破是什么？

首次实现对人形机器人的全身控制——行走、蹲下、伸手到双手操作物件均由同一模型完成，并可自行规划多步任务、与其他机器人分工合作。

Q2：开发者现在能用上吗？

可以用上其中一款。Gemini Robotics ER 2已通过Gemini API和Google AI Studio向开发者开放；Gemini Robotics 2和On-Device 2目前仅向早期合作伙伴开放。

Q3：什么是”物理AGI”？

指AI从数字世界的感知与推理，延伸到物理世界的认知、规划与执行，让机器人能像人一样胜任多种未经专门训练的任务，而不是只执行预设程序。

Q4：现在的成功率能商用吗？

还需要观察。官方披露拧下灯泡任务成功率为92%，但研究人员明确表示更复杂动作的成功率仍然相对较低。结构化、容错率高的场景可以先试点，高精度或高风险场景仍需谨慎。