Google發表Gemini Robotics 2 機器人具備全身智慧控制

（綜合ETtoday新聞雲、自由時報等2家媒體報導）

Google於30日正式發表新一代機器人AI系列Gemini Robotics 2，此次同步推出三款模型，分別負責動作、推理與裝置端運算。其中Gemini Robotics 2負責將相機畫面與語音指令直接轉換為機器人動作，可控制人形機器人與雙臂機器人；Gemini Robotics ER 2則負責理解環境、規劃任務流程，並與人互動；Gemini Robotics On-Device 2可直接在機器人本體運作，不必依賴網路。Gemini Robotics ER 2已開放Google AI Studio使用，其餘模型則提供合作夥伴搶先測試。

Gemini Robotics 2最大的突破在於讓機器人不再只會操作桌面物品，而是能配合整個身體完成工作。例如收到「把澆水壺放到架子下層的綠色箱子」指令後，機器人會自行走到桌邊拿起物品，再移動到指定位置完成放置，不需人工逐步控制每個動作。手部操作能力也同步提升，可完成打結、封夾鏈袋、整理物品、精密放置等更細緻的動作。

Gemini Robotics ER 2被定位為機器人的「高階大腦」，主要負責與人類對話、理解周遭物理環境、規劃多步驟任務，並可呼叫Google Search等工具取得資訊，或串接開發者自訂的函式與API。完成任務規劃後，再將實際動作交由底層的視覺－語言－動作模型（VLA）執行。

此次更新導入連續影片理解能力，機器人能持續觀看攝影機畫面，即時掌握任務完成進度、判斷執行過程是否出錯。新增的進度分類功能可將影片中的每一畫面依任務完成程度分為0至20%、20至40%等階段，官方測試顯示準確率約57.4%，優於前一代模型。關鍵時刻辨識功能可找出任務完成的關鍵時間點，準確率達91.3%，平均時間誤差僅0.96秒，推論速度約快4倍且運算成本更低。

多機器人協作功能也正式加入，不同類型的機器人可共享語意理解能力，彼此分工、交接任務。Google也展示與波士頓動力（Boston Dynamics）的合作成果，透過Gemini Robotics ER 2整合Spot四足機器人的導航API與機械手臂控制能力，使用者只需以自然語言下達「幫我拿爆米花」等指令，Spot便能自主導航、尋找目標物並完成取物。Google同步於GitHub公開相關範例程式。

空間理解能力全面提升，涵蓋三大核心功能：成功/失敗偵測方面，可直接分析原始影片串流，即時偵測液體灑出、物品滑落等失敗情況；儀器讀值方面，從過去主要支援類比儀表擴展至可辨識10種不同類型儀器，包括數位顯示器、直尺、液體溫度計等；視覺問答方面，機器人能更準確理解複雜的視覺資訊並回答空間環境相關問題。

安全性方面，Gemini Robotics ER 2在人員接近偵測及安全指令遵循兩項測試中表現均優於前一代。當有人靠近時，系統能自動停止作業、監測環境，並在確認人員離開後自主恢復工作。Google同步推出全新的安全評估基準，檢驗AI是否具備執行安全限制、持續監控環境、判斷動作是否符合物理可行性，以及在必要時主動向人類尋求確認等能力。