北京时间 7 月 30 日，Google DeepMind 正式对外推出新一代机器人模型套件Gemini Robotics 2。本次更新最核心里程碑：依托视觉 - 语言 - 动作（VLA）模型，首次实现人形机器人全身一体化集中控制，打通双腿、躯干、双臂、灵巧手指全部自由度，有望打破长期困扰人形机器人行业的控制架构难题。

长久以来，全球人形机器人普遍采用分离式控制架构：行走平衡、全身运动由独立运动控制器负责，手臂抓取、灵巧操作依靠另一套策略系统。两套模块独立运行，需要额外调度模块相互配合。

这种 “拼接式方案” 在标准化演示场景尚可稳定运行，但在非结构化真实环境中极易出现协同失调，机器人很难流畅完成 “一边移动、一边操作物体” 的复合任务。同时，机器人控制策略大多针对单一硬件定制，跨机型迁移成本极高。

而上一代 Gemini Robotics 仅支持机器人上半身桌面作业，无法驱动全身运动。全新 Gemini Robotics 2 将全身运动与精细操作纳入同一套 AI 模型统一调度，实现从足部到指尖的一体化决策。

在官方演示中，该模型搭载 Apptronik Apollo 2 人形机器人，接收自然语言指令后自主完成跨房间移动、避障、下蹲拾取物品、精准放置等连贯动作；同时支持旋拧灯泡、密封包装袋等精细灵巧操作，实现移动与操作无缝联动。

完整的 Gemini Robotics 2 由三大模型组成，形成分层协同的具身智能体系：

✅ Gemini Robotics 2（核心 VLA 模型）

整套系统的运动执行核心。接收视觉图像与自然语言指令，直接输出全身关节电机控制信号。支持完整人形机器人、双臂机器人，兼顾全身移动与末端灵巧操作，同一权重可适配多款不同硬件平台。

✅ Gemini Robotics ER 2（具身推理模型）

机器人高层 “规划大脑”。负责环境理解、长时序多步骤任务拆解，支持持续数分钟的复杂任务；具备任务断点识别、进度追踪能力，执行出错时可从失败节点恢复任务，同时支持多机器人协同分工。

✅ Gemini Robotics On-Device 2（端侧轻量化模型）

未来，随着全身统一控制方案持续优化，人形机器人或将摆脱 “行走、操作二选一” 的限制，真正能够在家庭、工厂等复杂场景完成多样化复合任务。