觀點 · 資訊分享

Google 發表 Gemini Robotics 2：人形機器人從腳到手指全由 AI 控制，換新機身只要幾小時

Google DeepMind 在 7 月 30 日發表 Gemini Robotics 2，一次推出 3 款模型：能控制整台人形機器人的動作模型、負責規劃的推理模型，以及可在機器人本機執行的輕量版。

一句話看懂：Google DeepMind 發表 Gemini Robotics 2，一次推出 3 款模型，第一次讓 AI 控制整台人形機器人，從腳到手指都能協調動作。

Gemini Robotics 2 發表資訊圖卡：AI 不只看懂畫面，還能控制整台人形機器人走路、蹲下、動手

先用白話講：機器人的「大腦」是什麼？

你可以把一台機器人想成一副會動的身體。身體本身只是馬達與零件，要讓它「把澆水壺放進綠色的箱子」，還得有一個大腦：看懂環境、決定先做什麼、再把決定變成每個關節的動作。

過去很多機器人只會照程式做固定動作，換個環境就不行。這次 Google 做的，就是給機器人用的 AI 大腦。而且不是一顆，而是分工的三顆。

Google DeepMind 在 7 月 30 日發表 Gemini Robotics 2，包含 3 款模型：

模型	白話功能	現在怎麼取得
Gemini Robotics 2	把看到的畫面與聽到的指令，直接變成動作	早期合作夥伴
Gemini Robotics ER 2	負責規劃與判斷的「指揮官」，能拆解需要好幾分鐘的任務	Gemini API、Google AI Studio 可用；企業平台為私人預覽
Gemini Robotics On-Device 2	在機器人本機運行的輕量版，沒網路也能用	早期合作夥伴

官方的示範是 Apptronik 的 Apollo 2 人形機器人：聽到「把澆水壺放進最下層的綠色箱子」，它會自己走到桌邊拿起、再走到櫃子前放好。

官方自己也寫了不少但書：

所以這是物理 AI 的重要一步，但離「家裡的機器人幫你整理房間」還有距離。

ER 2 是目前唯一能直接試的：透過 Gemini API 或 Google AI Studio 呼叫，適合拿來做機器人任務規劃、進度追蹤的實驗
ER 2 的新能力：能判斷任務何時開始、何時結束，並指出關鍵事件發生的時間點
安全面：官方提出新基準 ASIMOV-Agentic，測模型能不能拒絕動作模型送來的不安全工具呼叫、不確定時主動請人介入；也說 ER 2 偵測到有人太靠近時，能觸發安全工具、讓機器人安全停下
想把模型接到自己的硬體，官方指向 DeepMind 開發者部落格，以及企業平台的私人預覽、可信測試者計畫

我平常做的是網站與系統，離機器人很遠，但這則新聞讓我最在意的，是「大腦與身體分開」這件事。ER 2 負責想、動作模型負責做、本機版負責沒網路也能動，這跟我們寫軟體把功能拆成不同服務很像。

對一般人與小團隊來說，現階段能碰的只有 ER 2 這種規劃模型。如果你本來就在玩樹莓派、機械手臂這類小專案，可以先拿它練習「讓 AI 把一個大任務拆成步驟」，成本不高。至於人形機器人本體，我會把它當成未來幾年的趨勢觀察，不是現在要不要買的問題。

Gemini Robotics 2 是什麼？

是 Google DeepMind 做給機器人用的 AI 模型組合，包含負責把畫面與語言變成動作的模型、負責規劃與判斷的推理模型，以及可以在機器人本機執行的輕量版。

一般人現在可以用嗎？

只有一部分。推理模型 Gemini Robotics ER 2 可以透過 Gemini API 與 Google AI Studio 使用，企業平台是私人預覽；動作模型與本機版目前只給早期合作夥伴。

機器人已經能像人一樣靈活嗎？

還沒有。官方明說動作速度還要進步，多指的精細操作仍然困難，成功率會依任務而不同。

作者

接案做系統開發、網站與主機託管。觀點裡的文章都是我自己寫的,寫的是做專案時第一手遇到的事。