模型定位
Gemini Robotics 是基于 Gemini 2.0 构建的视觉-语言-动作(VLA)模型,以物理动作为输出模态,旨在直接控制机器人。它不同于同期发布、侧重具身推理的 Gemini Robotics-ER。(deepmind.google)
能力与用途
- **泛化与交互:**能够处理新物体、不同指令和新环境,理解多种语言的日常指令,并根据环境或指令的变化调整动作。
- **灵巧操作:**官方展示了折纸、将零食装入密封袋等需要精细操作的多步骤任务。
- **机器人适配:**模型主要使用双臂 ALOHA 2 平台的数据训练,也展示了对基于 Franka 机械臂的双臂平台的控制;官方表示模型可针对 Apptronik 的 Apollo 人形机器人进行专门适配。
- **应用方向:**面向机器人研究及未来家庭、工作场所中的机器人辅助任务。(deepmind.google)
限制与安全
官方展示和基准结果不保证模型在所有机器人、环境或任务中均可靠。实际部署需要结合机器人本体的安全措施,例如避免碰撞、限制接触力和保持动态稳定。原始公告中受邀测试者的安排针对的是 Gemini Robotics-ER,不能据此认定本模型已公开提供 API。(deepmind.google)
价格
未核实到针对本条目所述 Gemini Robotics 的官方输入、输出计费价格,币种及计费单位均未核实。官方定价页面列出的 Gemini Robotics ER 版本属于不同模型,不能直接套用其价格。查询日期:2026-11-19。(ai.google.dev)
发布日期与官方来源
- **发布日期:**2025-03-12。(deepmind.google)
- 官方公告:Gemini Robotics brings AI into the physical world
- 官方定价页面:Gemini Developer API pricing