Google 连发三款具身智能模型，突破机器人“时间智能”
aigclink · x · 2026-07-31
Google一口气发布了三款面向具身智能的模型，核心在于解决让机器人不仅“能干活”，还能“知道活干完没”的时间智能问题。
- Gemini Robotics 2：视觉-语言-动作（VLA）模型，负责机器人的物理运动控制（闭源）。
- Gemini Robotics ER 2：具身推理模型，负责“大脑”功能，能看视频、规划多步任务并编排，将执行交给 VLA（闭源）。
- On-Device 2：可在本地端侧运行，几小时内即可适应新的机器人躯体（开源）。
ER 2 的核心突破：
- 进度分类：将视频帧分为五档进度，准确率达 57.4%。
- 精确找时刻：识别关键事件发生帧（如停止倒咖啡），准确率 91.3%，平均误差仅 0.96 秒，以低算力实现亚秒级延迟。
- 无缝交互：接入 Gemini Live API 双向流，边做边想无卡顿，并能原生调用 Google Search 等工具。
- 多机协作：实现了 Apollo 2 与 Franka F3 Duo 的任务交接，并演示了用语音指挥波士顿动力 Spot 取物。
ER 2 现已通过 Gemini API 和 AI Studio 向开发者开放。
所属事件:谷歌发布Gemini Robotics 2与ER 2，赋能机器人全身智能(71 条相关)→
「具身」频道最新
- NVIDIA RTX Spark 正式发布，主打 Windows PC 本地跑 AI — ostrisai · 2026-10-16
- 四足机器人实机实现变形+步行:各姿态单独强化学习、变形时切换策略 — _Stocko_ · 2026-10-16
- 传苹果折叠 iPhone 预售火爆,首发库存几乎秒罄 — Polymarket · 2026-10-16
- KinoGen 用运动学视频生成直接为人形机器人合成全身操作参考动作 — ChongZzZhang · 2026-10-16
- Science Robotics 论文提出 F³ 事件相机预测表征，超越光流 — CSProfKGD · 2026-10-16
- 南非零售商上架 iPhone Duo 可折叠机预订页，售价 47999 兰特 — shauntrennery · 2026-10-16