谷歌發布Gemini Robotics 2，全身協調仍面臨靈巧性瓶頸
Taylor Wilson
谷歌DeepMind發布Gemini Robotics 2系列模型，首次將AI控制從機器人上半身擴展至全身協調；但團隊坦承，真正的靈巧性仍是遙遠目標——機器人每一步都要「停下來想」，這限制了具身智能的商業化節奏。
這次升級到底升了甚麼？
Gemini Robotics 2的核心突破：控制範圍從上半身擴展到全身——機器人現在能邊走邊蹲邊拿東西。
這意味著→ 機器人不再是「固定在桌前的手臂」，而是可以移動+操作同時進行的整體。
簡單來說＝ 以前只能坐着幹活，現在能走着幹活——聽起來簡單，但對AI來說是全新的控制難題。
三款模型各管甚麼？
Gemini Robotics 2：把鏡頭畫面和語音指令變成摩打動作——相當於機器人的「小腦」。
Gemini Robotics ER 2：負責高層任務規劃，支持多步驟協調和多台機器人協作——相當於「調度中心」。
On-Device 2：可以在設備本地運行，不依賴雲端。三款模型既能協同也能獨立工作。
靈巧性為甚麼仍然是瓶頸？
谷歌DeepMind機器人總監饒坦承：真正的靈巧性仍是遙遠目標，機器人動作依然緩慢而刻意。
這反映出一個根本問題——人類憑直覺完成的動作，機器人需要停下來逐步計算。
學習效率差距同樣巨大：人類一兩次試錯就能調整，當前機器人系統做不到。
簡單來說＝ 扭燈泡成功率92%，但捆垃圾袋、封密封袋這種需要手指靈活配合的任務，成功率明顯更低。
安全性做了哪些改進？
谷歌稱ER 2是其迄今最安全的機器人模型，在遵循指令和繞開人類方面有改進。
新增評估基準：測試機器人能否識別不確定性、主動拒絕不安全指令。
這意味著→ 安全不只是「別撞到人」，還包括機器人能判斷「這個指令我不該執行」。
誰能用、怎麼用？
ER 2通過谷歌AI Studio開放，企業平台進入私有預覽；Robotics 2和On-Device 2面向早期合作夥伴和100多名受信任測試者開放。
核心硬件合作方包括Apptronik、Agile Robots和波士頓動力。
這反映出谷歌的路線：自己做AI大腦，把身體交給硬件夥伴——與OpenAI和英偉達的具身智能路線形成三方競爭。
具身智能商業化，誰能先跑出來？
三方路線分化：谷歌做通用控制模型，OpenAI探索視覺+語言+動作融合的基礎模型，英偉達提供訓練工具鏈。
但三家面對同一個瓶頸：靈巧性。誰先讓機器人的手指像人一樣靈活，誰就先打開商業化大門。
簡單來說＝ 現在大家都能讓機器人走路、搬箱子，但「捆垃圾袋」這種事做不好，就進不了真實家庭和工廠。
Content is for reference only, not financial advice.