AI 由識傾變成識郁：Gemini Robotics 2 控全身兼識叫機械人幫手
全身控制、多步驟規畫同裝置端運算齊升級，實際部署仲有段距離
今次最大升級係全身控制
iThome 報道，Google DeepMind 新一代 Gemini Robotics 2 已經可以由視像同文字指令直接產生動作，控制人形機械人行路、踎低、彎身、伸手同搬嘢。上一代示範集中喺上半身同枱面操作，今次就用 Apptronik Apollo 2 示範由枱面拎起水壺，再行到層架前放入指定位置。AI 開始要同時處理平衡、移動、視覺定位同雙手動作，複雜度高過坐定定夾件物件好多。
一個家庭，三種腦力分工
Gemini Robotics 2 系列分成幾個角色：VLA 動作模型接收畫面同指令，再輸出關節控制；基於 Gemini 3.5 Flash 嘅 Robotics ER 2 負責理解環境、拆工作步驟同判斷完成咗未；On-Device 2 就主打直接喺機械人硬件上運算。呢種分工幾重要，因為識得「執好間房」同準確控制手指、腳步，本身係兩個唔同尺度嘅難題，硬塞入同一個反應迴路，延遲同除錯都會麻煩得多。
幾分鐘任務，多機協作靠規畫層串起
DeepMind 話 Robotics ER 2 可以追蹤維持幾分鐘、牽涉數百次判斷嘅工作，某一步失手之後亦可以改計畫。多機協作同樣由呢個高層模型統籌，例如人形機械人同雙臂平台分開執拾工具。概念上，呢條路幾啱倉庫同工場：輪式平台負責運貨，機械臂處理精細工序，人形機械人就去應付樓梯或者為人而設嘅工作空間。不過官方公開材料主要得示範同能力描述，未見長任務或多機協作嘅完整成功率、失敗次數同復原時間。
官方數字顯示部分精細動作仍然唔穩定
DeepMind 公布嘅受控測試顯示，Apollo 2 喺枱面、地面同層架取物，平均成功率分別係 68.4%、45.7% 同 76.3%；Franka Duo 配雙指夾爪做取放、工具整理同精準插入，就錄得 74.2% 至 89.6%。五指手差距更明顯：扭出燈泡有 92%，但裝燈泡、綁垃圾袋、用垃圾鏟同封密實袋只得 32% 至 44%。呢啲數據由官方提供，測試項目亦唔同，唔適合直接當成真實工作場地嘅可靠度。
On-Device 2 減少駁網，硬件門檻仍然係問號
On-Device 2 基於裝置端 Gemma 模型，官方定位係遇到網絡延遲甚至冇網上連線時，都可以直接喺機械人上執行。DeepMind 又話，適配新雙臂平台通常用少過 200 個示例同幾小時資料。不過 model card 冇列出推理所用處理器、RAM、功耗或者速度，現階段亦只開放畀 Trusted Testers。文件仲承認模型處理訓練分佈以外工作同高自由度機械人時有限制，評估重點係企定嘅雙臂操作，流動平台同全身控制風險未包喺呢輪測試入面。
安全限制令家用同安老場景仲要行多幾步
Robotics ER 2 加入拒絕危險動作、判斷工作做唔做到，同唔肯定時搵人介入等機制；官方亦用 ASIMOV-Agentic benchmark 測試呢類能力。不過 ER 2 model card 明講，放入生產、商業或公眾環境之前要審慎評估，亦唔建議用喺醫療、交通等出錯會傷人嘅關鍵工作。物流、零售、工業自動化甚至安老服務長遠都有相關工作，但而家較實際嘅做法，仍然係先喺封閉場地試，同埋安排人手睇實低風險工序。
下一步要睇真實場地點樣跌撞
就算單一取物動作成功率唔低，串成多步任務之後，每次失誤都可能拖低整體成功率，關鍵係復原機制救唔救得返。Gemini Robotics 2 呢次證明咗同一套 AI 架構可以開始兼顧規畫、全身動作同多機調度，但距離成熟產品仍欠幾項關鍵證據：獨立測試、長時間成功率、有人行過時嘅反應、換燈光同雜亂環境後嘅表現，仲有裝置端硬件成本。等呢批數字公開，先較容易判斷佢可以行出實驗室幾遠。
參考來源
- iThome — Gemini Robotics 2模型跨入人形機器人全身控制與多機協作 — original report
- Gemini Robotics 2 brings whole body intelligence to robots — Google DeepMind 官方發布，提供全身控制、精細操作、多機協作同成功率資料。
- Gemini Robotics ER 2 Model Card — 核對模型基礎、公開渠道、已知限制同安全關鍵用途警告。
- Gemini Robotics On-Device 2 Model Card — 核對 Trusted Testers 資格、裝置端架構、評估範圍同高自由度控制限制。
- Gemini Robotics 2 Safety Technical Report — 官方安全技術報告，交代 agent 安全、拒絕危險動作同要求人手介入嘅評估。
- Google DeepMind’s new AI model can control a robot’s entire body — 第三方報道，用嚟核對示範內容同官方承認動作速度仍有進步空間。
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。
