Gemini Robotics 2 由機械臂行到全身控制，識執垃圾離做家務仲有幾遠？
三個模型分工做規劃、動作同本機運算，示範搶眼但量產仲未有期
Google DeepMind 公布 Gemini Robotics 2，示範入面嘅人形機械人識行去枱邊拎水壺、彎身放入低層架，又可以執垃圾、扭燈膽同綁垃圾袋。Google 向媒體強調片段係即時運行，機械人亦係全自動，不過全自動只代表拍攝嗰刻冇人遙控，唔代表佢見到任何新環境都識處理，兩件事要分清楚。
由枱面機械臂升級到手腳一齊郁
上代 Gemini Robotics 主要控制人形機械人上半身，工作範圍大多留喺枱面；今代就連行路、蹲低、伸手、保持平衡同手部動作都一併控制。呢個改動幾關鍵，因為現實工作好少會乖乖放喺機械臂面前。執屋要周圍行、貨倉要跨工作區、清潔亦要伸入高低唔同嘅位置，識控制手指同識控制成副身體，難度差成幾級。
官方話同一個 Gemini Robotics 2 模型 checkpoint，可以控制配上兩款手掌嘅 Apptronik Apollo 2，同埋用夾具嘅 Franka Duo。換句話講，Google 想建立一套可以搬去唔同機身嘅控制底層，減少每款硬件由零開始訓練嘅工夫。不過官方圖表只形容全身同夾具工作有中至高成功率，五指精細操作仍然棘手，亦冇交出一套足以橫向比較嘅完整公開成績。
圖片：Google DeepMind
聽得明指令，靠三個模型分工
成套平台其實分三層。Gemini Robotics ER 2 負責理解自然語言、觀察環境、拆解步驟同追蹤進度；Gemini Robotics 2 VLA 會根據鏡頭畫面同指令控制馬達；On-Device 2 就可以直接喺機身運行，減少連線延遲同斷線影響。睇清呢個分工，就明白機械人「諗下一步」同「隻手點郁」係兩套問題，Google 今次係嘗試把兩邊接得順啲。
自行修正亦係咁運作。ER 2 會持續睇影片，判斷工作做到邊；如果物件滑走、位置對唔準或者某一步失敗，佢可以叫動作模型再試，唔使成個流程由頭開始。Google 公布嘅內部評估入面，ER 2 喺進度分類錄得 57.4% 準確率，搵出關鍵時刻就有 91.3%，平均時間誤差 0.96 秒。數字顯示追蹤進度已有用，但57.4% 亦反映長時間工作仍然有相當多判斷空間，未到可以完全放手畀佢做。
多機協作有意思，距離機械人執屋隊仍然遠
Gemini Robotics 2 亦加入多機協作，ER 2 可以按各部機械人嘅能力分配工作，再經共同語意交代進度。例如輪式機械人負責快速巡查，人形機械人負責拎高低位置嘅物件，雙臂平台就處理精細工序。呢條路對物流同清潔幾合理，因為一部昂貴人形機械人包辦所有工作未必化算；不過而家見到嘅仍然係官方設定好機種、場地同流程嘅示範，未見獨立團隊驗證繁忙環境下會唔會互相阻路或者錯誤交接。
示範做到，離穩定商用仲差可靠度同安全驗證
Engadget 引述資料指，影片入面每項工作都用過人手遙控數據、示範影片同模擬環境訓練。官方亦承認動作速度、精準度同五指操作仲要改善。真正家務或商用部署面對嘅物件擺位、光線、地面、人同突發情況每日都唔同，機械人連續做幾百次都唔出大錯，要求高過剪出一段成功片好多；一次漏水、跌貨或者撞到人，代價亦遠高過 chatbot 答錯一句。
安全方面，Google 加入 ASIMOV-Agentic benchmark，測試 ER 2 會唔會拒絕危險動作、察覺附近有人、停機同主動求助。不過官方 model card 同時提醒，開發者唔應把模型用喺醫療、交通等失誤可致傷亡嘅關鍵場景；On-Device 2 對訓練分佈以外工作同高自由度機械人亦有限制，而全身移動風險未納入佢現有主要評估範圍。安老場景可以想像到用途，但現階段仲適合有人看管嘅輔助工作。
開發者摸到個腦，完整身體仍只限合作夥伴
ER 2 已經可以經 Gemini API 同 Google AI Studio 使用，企業平台就屬私人預覽；真正控制身體嘅 VLA 同 On-Device 2，暫時只開放畀早期合作夥伴。官方未公布消費產品時間表、售價、香港供應或者本地專屬申請渠道。短期內，開發者較實際係先試工作規劃、影片進度判斷同現有機械人 API 整合；家中買一部返嚟執屋，仲要等獨立長期測試、硬件成本同維修配套有清楚答案。
參考來源
- Engadget — Google's new Gemini Robotics 2 platform allows for 'intelligent whole-body control' — original report
- Gemini Robotics 2 brings whole body intelligence to robots — Google DeepMind 官方公布，交代三個模型、全身控制、多機協作、開放方式同官方限制。
- Gemini Robotics ER 2: powering robotics with video understanding, task orchestration, and multi-robot collaboration — 官方開發者資料，提供進度分類、關鍵時刻辨識成績，同埋 ER 2 點樣協調 VLA 及機械人 API。
- Gemini Robotics ER 2 Model Card — 官方 model card，確認用途、分發渠道、安全限制同唔適合安全關鍵場景嘅警告。
- Gemini Robotics On-Device 2 Model Card — 官方 model card，說明本機模型嘅訓練範圍、泛化限制，同全身移動未納入主要安全評估。
- Gemini Robotics 2 Safety Technical Report — Google DeepMind 官方安全報告，補充 ASIMOV-Agentic、拒絕危險動作同要求人手介入嘅評估方法。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
