日本国家谷歌DeepMind于7月30日发布了面向机器人控制的AI模型“Gemini Robotics 2”。该模型能够实现对人形机器人从脚到指尖的全身一体化控制，支持双手协作完成精细操作，并能协调多机器人协同作业。
Gemini Robotics 2是一种基于视觉、语言和动作（VLA，Vision-Language-Action）模型，通过摄像头画面和语言指令生成机器人动作。相比之前主要控制机器人上半身的模型，新版本扩展至全身动作，包括行走、蹲下、伸展身体及搬运物品等多种动作。
演示中，搭载该模型的Apptronik人形机器人“阿波罗2号”接收到“将浇水壶放入下层绿色箱子”的指令后，机器人先步行至桌边提起浇水壶，再移动至货架并将其放入指定箱子，完成了一系列连贯动作。尽管如此，模型在动作速度方面仍有提升空间。
手部灵巧性也得到了显著提升。阿波罗2号配备了拥有5根手指、22个自由度的机器人手，能够完成绑袋子、旋转灯泡、关闭带拉链袋子等细致任务。配备双指夹持器的机器人还能执行工具收纳和零件插入等操作。
不过，根据谷歌DeepMind公布的评估结果，拆卸灯泡的成功率高达92%，但安装灯泡仅36%，绑袋子44%，使用簸箕清扫仅32%，显示多指手的精细操作仍面临挑战。
此外，谷歌还发布了负责机器人环境理解与行动规划的“Gemini Robotics ER 2”，以及可在机器人本体上运行的轻量级模型“Gemini Robotics On-Device 2”。
Gemini Robotics ER 2能够识别室内环境，将用户指令拆解为多个步骤执行，支持持续数分钟、涉及数百次决策的复杂任务，并能在失败时调整操作流程。它还支持不同类型机器人之间的信息共享与任务分工。
Gemini Robotics On-Device 2无需依赖互联网或云端通信，直接在机器人设备上运行。它能快速适应形态、传感器和关节数量不同的新型机器人，通常只需不到200条、数小时的数据进行学习。
在安全性方面，谷歌引入了新基准测试“ASIMOV-Agentic”，评估机器人是否能拒绝危险指令以及在不确定情况下请求人类判断。同时，增强了机器人检测到人类靠近时自动安全停止的功能。
