机器人学会了独立行走，但一直没学会和同伴并肩作战。7月30日，Google DeepMind正式发布Gemini Robotics ER 2，首次为机器人解锁了多机协同能力。不同形态、不同功能的机器人，终于可以像一支队伍一样共享信息、分工协作。
“高级大脑”：让机器人边干活边思考
Gemini Robotics ER 2被定位为机器人的“高级大脑”。它不直接控制电机，而是负责理解物理世界、规划多步骤任务，然后把执行指令交给底层的视觉-语言-动作模型。
与上一代ER 1.6相比，ER 2的最大突破在于连续视频理解能力。机器人可以通过摄像头持续观察自己的动作进度，实时判断任务完成了多少、哪里出了错，并在出错时只重试错误步骤，而不是从头再来。
测试数据显示，ER 2在任务进度分类测试中准确率达57.4%，在关键时刻定位测试中准确率达91.3%，平均时间误差仅0.96秒。这些数字意味着机器人能精准判断“什么时候该停止倒咖啡”这类关键时间节点。
更重要的是，ER 2不再需要“停下来想一想”再动。通过与Gemini Live API的双向流式集成，机器人在执行当前动作的同时，可以同步推理下一步该做什么。波士顿动力的Spot机器人已经用上了这套能力。据谷歌介绍，ER 2以更低计算成本达到接近更大模型类别的精度，执行速度为此前模型的4倍。
首次解锁多机协同：让机器人学会“并肩作战”
多机器人协作是ER 2最引人注目的新能力。
过去，每个机器人都是一个孤岛——各自执行预设任务，互不沟通、互不配合。ER 2第一次让不同形态的机器人通过共享语义理解进行沟通和任务交接。一个机器人知道另一个机器人在干什么、需要什么、什么时候该接手。
官方演示中，Apptronik公司的Apollo 2人形机器人与Franka F3 Duo机械臂平台成功展示了跨设备协同作业。在另一个场景里，Apollo 2指挥谷歌的双臂机器人把工具放进箱子，同时清理车库。
这种协作能力的意义在于：单个机器人完不成的复杂工作流，现在可以由一支“机器人队伍”来共同完成。不同形态的机器人各司其职、相互配合，就像人类团队一样分工协作。
三个模型，各司其职
Gemini Robotics 2是一个模型家族，包含三个成员：
Gemini Robotics 2：视觉-语言-动作模型，将视觉和语言输入转化为电机控制指令，支持对全人形机器人从脚趾到指尖的全身控制
Gemini Robotics ER 2：具身推理模型，即本文主角，负责规划多步骤任务和协调多台机器人
Gemini Robotics On-Device 2：轻量版VLA模型，针对机器人设备本地运行优化，仅需数小时数据即可适配全新机器人形态
这三个模型可以协同工作，也可以独立运行。ER 2负责“想”，Gemini Robotics 2负责“动”，On-Device 2负责在本地设备上快速响应。
已开放可用，安全性能提升
Gemini Robotics ER 2目前已通过Gemini API和Google AI Studio向开发者开放，同时在Gemini企业级Agent平台开启私密预览。谷歌同步发布了模型配置和提示词示例代码。
安全方面，DeepMind称ER 2是其迄今最安全的模型，能够理解安全边界，在人类过于靠近机器人时主动停止动作。
从2025年3月推出基于Gemini 2.0的具身智能模型体系，到ER 1.5、ER 1.6，再到今天的ER 2，Google正在以肉眼可见的速度推进机器人AI的迭代。当机器人不仅能自己干活，还能和同伴协同作战，“物理AGI”的愿景正在从理论走向现实。
