在人工智能（AI）技术迅猛发展的今天，我们已经见证了 AI 在文本、图像、音频和视频等领域的突破。然而，这些能力仍主要局限于数字世界。要让 AI 真正融入现实，它需要具备 “具身智能”（Embodied Intelligence） 。也就是说，AI 不仅要理解世界，还要能够在物理环境中做出合理的反应，并安全地执行各种任务。
Google DeepMind 正式推出了两款基于 Gemini 2.0 的全新 AI 模型，它们为下一代智能机器人奠定了基础。
Gemini Robotics：让 AI 具备行动能力
Gemini Robotics 是一款先进的视觉-语言-行动（Vision-Language-Action，VLA）模型，它在 Gemini 2.0 的基础上增加了物理行动能力，能够直接控制机器人。这意味着，AI 不再只是分析和理解世界，还能通过机器人与现实环境互动。
此外，Google DeepMind 还推出了 Gemini Robotics-ER，它进一步强化了 AI 的空间理解能力，使研究人员可以利用其 “具身推理”（Embodied Reasoning，ER）能力，自主开发机器人程序。这些突破让机器人能够完成比以往更广泛、更复杂的现实任务。
为了推动该技术的发展，Google 与 Apptronik 合作，共同研发新一代的人形机器人，并邀请一批可信赖的测试者参与 Gemini Robotics-ER 的试验，帮助探索其潜力。
AI 机器人需要具备哪些关键能力？
要让 AI 在现实世界中真正发挥作用，机器人必须具备以下三大核心能力：
1. 通用性（Generality）
机器人需要具备广泛的适应能力，能够在陌生环境中执行任务，而不依赖于提前编写的规则。Gemini Robotics 继承了 Gemini 模型的强大世界理解能力，能够在从未见过的环境中完成任务，并适应新的物品、指令和场景。
根据 Google DeepMind 的技术报告，相较于现有的视觉-语言-行动（VLA）模型，Gemini Robotics 在通用性测试中表现出色，整体性能提升了两倍以上。
2. 互动性（Interactivity）
现实世界是动态的，机器人必须能够实时响应人类的指令，并根据环境变化不断调整行为。
由于基于 Gemini 2.0，Gemini Robotics 具备强大的语言理解能力，不仅能理解自然语言（如日常对话），还能在与人类互动时快速做出反应。无论是家中还是工作场所，这种 “可调控性”（Steerability）都能让机器人更好地协同人类开展工作。
例如，如果机器人正抓取某个物体，而该物体突然滑落或被移动，Gemini Robotics 能够迅速调整计划，继续完成任务，而不会陷入“死机”状态。
3. 灵活性（Dexterity）
虽然人类可以轻松完成许多精细操作，例如折纸或将零食放入密封袋，但对于机器人而言，这类任务仍然极具挑战性。
然而，Gemini Robotics 具备极高的运动灵活性，能够执行复杂的多步骤任务，例如精确抓取、调整角度或稳定握持物体。这种能力使机器人可以胜任需要高精度操作的任务，例如医疗护理、仓储分拣或家务辅助等场景。
适配多种机器人平台
由于机器人形态各异，Gemini Robotics 也被设计为适应不同类型的机器人。
Google DeepMind 主要在双臂机器人平台 ALOHA 2 上训练该模型，但测试发现，它同样可以操控基于 Franka 机械臂的双臂系统（广泛用于学术研究），甚至还能适配更复杂的人形机器人 “阿波罗”（Apollo），帮助其完成现实世界中的任务。
Gemini Robotics-ER：强化 AI 的空间理解能力
相比标准的 Gemini 2.0，Gemini Robotics-ER 具备更强的空间感知能力，能帮助机器人准确理解周围环境。例如，当它看到一个咖啡杯时，它不仅能识别该物品，还能推测最佳的抓取方式（如使用两个手指抓住杯柄），并规划安全的移动路径。
该模型能够端到端执行机器人控制任务，包括物体检测、环境感知、空间理解、路径规划和代码生成。在测试中，Gemini Robotics-ER 的任务成功率比 Gemini 2.0 提高了 2 到 3 倍，显著增强了 AI 机器人在现实世界中的适应能力。
此外，它还能通过 “上下文学习”（In-context Learning），仅凭少量人类示范，便能模仿并执行任务，提高任务完成率。
AI 机器人如何确保安全？
机器人进入现实世界后，安全问题至关重要。因此，Google DeepMind 采取了分层安全策略，确保 AI 机器人在执行任务时不会对环境或人类造成威胁。
在低层控制方面，他们采用了传统的机器人安全措施，如避免碰撞、控制接触力度、保持动态稳定性等。同时，Gemini Robotics-ER 还能与这些安全控制系统结合，确保机器人在执行任务时自动评估风险，避免做出危险动作。
此外，他们还发布了一套全新的机器人安全评估数据集（ASIMOV 数据集），用于衡量机器人在现实环境中的安全性。该数据集基于 Google DeepMind 之前的研究，参考了阿西莫夫（Isaac Asimov）提出的“机器人三定律”，并结合 AI 驱动的数据分析，帮助研究人员开发更加安全、符合人类价值观的机器人。
目前，Gemini Robotics-ER 已经开放给 Agile Robots、Agility Robotics、Boston Dynamics 和 Enchanted Tools 等机构的可信赖测试者。
