Google DeepMind推出Gemini Robotics 2，具身智能模型能否走进生活场景？

WAIC2026：人形机器人成人礼

前段时间，雷科技WAIC2026报道团亲赴现场，观察了这场全球AI大展，看到一场规模空前的人形机器人成人礼。超过200家机器人相关企业、300多台真机同台竞技，从宇树三米高的载人变形机甲切换形态，到智元的机器人夹起2毫米电阻焊到电路板上。过去吸引观众的后空翻和机械舞还在，但厂商更想证明机器人不只会动，还能干活。

瓶颈：机器人的「大脑」

造出能跑、能跳、能伸手的「身体」，已不是当下最稀缺的能力。真正的瓶颈是「大脑」，即让机器人看懂混乱环境，决定下一步行动，并将决定稳定传至几十个关节。

Google DeepMind推出Gemini Robotics 2

WAIC结束一周多后，Google DeepMind推出Gemini Robotics 2，这是一个主打「全身智能」的机器人通用模型，适用于各种不同形态的机器人。人类完成弯腰捡水壶、封自封袋等动作很自然，机器人却要连续算对一串彼此牵制的动作。身体零件越齐全，控制难度越大。谷歌此次发布包含三个模型，Gemini Robotics ER 2负责理解环境、规划长任务和与人沟通，Gemini Robotics 2这个VLA模型把视觉与语言直接转成动作，On - Device 2则把动作模型压到本地，并能用少于200个样例、几小时数据适配新的机器人本体。核心在于，谷歌用一组模型协调人形机器人的双腿、躯干、双臂和手指，让它边思考推理边移动操作。

全身智能的体现与不足

过去不少机器人演示有回合制游戏感，动作切换时易暴露独立模块的接缝。上一代Gemini Robotics主要控制机器人上半身处理桌面任务，到了Gemini Robotics 2，官方视频中的Apptronik Apollo 2能完成走向水壶、提壶、取棒球手套等动作。这些动作依赖视野、可达范围、步态和重心，视频标注机器人均为自主运行，动作按真实速度播放。这意味着模型把整副身体视为相互耦合的动作空间，且同一模型已用于不同机器人。不过，Apollo动作速度慢，谷歌承认移动速度需提高。官方测试中，Apollo从桌面、地面和货架取物的平均成功率分别为68.4%、45.7%和76.3%，地面取物成功率最低。

「最后几厘米」的难题

全身控制解决机器人抵达和站稳问题，真正决定其能否进入家庭和工厂的是「最后几厘米」。官方视频里，Apollo 2用五指SharpaWave灵巧手尝试拧灯泡、封自封袋、给垃圾袋打结，Franka Duo的夹爪把工具装进工具箱。这些任务涉及连续接触、双手配合和形变，与过去简单抓取演示不同。Gemini Robotics 2要从视觉和指令直接生成高频、连续动作。谷歌公布的成绩显示，两指夹爪在通用抓放、工具配套和精密插入上平均成功率较高，多指灵巧手在拧灯泡、扎垃圾袋等任务上成功率较低，说明大模型能接管复杂手部动作，但多指灵巧操作远未达「人类级」。

机器人协作的探索

视频中，Apollo与Franka Duo共同整理工具箱，两台机器人各自运行一套模型，通过高层推理分配和衔接工作，ER 2会查看视频判断任务进度、决定是否重试。这与机械执行预设工序不同，谷歌想让不同形态机器人像团队一样交接任务，但官方视频展示的场景离真实工厂多机连续协作还有很长的稳定性验证距离。

拆掉身体边界的「大小脑」架构

具身智能行业普遍将机器人架构概括成「大脑」和「小脑」，大模型负责高层推理，小模型和传统控制器负责底层控制，这样做务实但存在模块边界问题，物理世界中高层计划与底层动作易出现理解不一致，导致错误累积和动作停顿。谷歌并未放弃「大小脑」，ER 2仍是高层大脑，VLA统一全身动作，减少机器人动作的割裂感。这是更准确的分界线，高层分层，身体端到端。同时，考虑到底层控制和高层推理的不同需求、训练成本和安全问题，谷歌没有把所有环节塞进一个巨型网络。而且，类似路线并非谷歌独有，Figure和智元也有相关探索。

全身智能面临的挑战

目前具身智能模型前沿探索追求更多本体、更长任务和更少的专用数据，如英伟达、Physical Intelligence、蚂蚁灵波等都有相关成果。Gemini Robotics On - Device 2用少量样例适配新本体值得关注，但机器人比聊天模型更难，英伟达承认多任务语言跟随和分布外泛化是挑战，谷歌五指任务成功率也表明模型控制不同身体的稳定性不足，真实部署还需面对更多问题。

具身智能的展望与2026世界机器人大会

Gemini Robotics 2的重要意义在于让具身智能模型越过桌面和上半身，将多种能力纳入考量。WAIC上成熟的芯片、关节和整机为AI提供了身体，谷歌试图证明模型开始把身体当作整体使用。但机器人真正走进生活，不只需要全身智能。8月19日到23日，2026世界机器人大会（WRC）将在北京举办，主题是「人机共生，产需共融」，参展企业300余家，比去年多36%，展品超2000件，首发新品突破150件，1万多名赛手将参加机器人大赛总决赛。雷科技将派出WRC报道团进行全程现场报道。那么，未来具身智能模型能否在生活场景中得到更好应用呢？