定位与发布日期
Gemini Robotics 2 是 Google DeepMind 于 2026 年 7 月 30 日公布的机器人 AI 系列。其中同名的 Gemini Robotics 2 是视觉-语言-动作(VLA)模型,可将视觉和语言输入转化为机器人运动控制,面向人形及双臂机器人。(deepmind.google)
能力与用途
- **全身控制与灵巧操作:**可协调人形机器人行走、弯腰、取放物体,并控制多指手或夹爪。官方展示了打结、密封袋子和紧凑装箱等任务。
- **多步骤任务与协作:**配套的 Gemini Robotics ER 2 是独立的具身推理视觉语言模型,可理解指令、规划任务、跟踪进度,并协调 VLA 和多个机器人完成工作。
- **端侧部署:**独立的 Gemini Robotics On-Device 2 针对机器人本地运行优化;官方称其可使用数小时的适配数据迁移到新的双臂机器人形态,通常少于 200 个示例。(deepmind.google)
限制与获取
官方指出,多指精细操作仍有挑战,运动速度和灵巧操作精度仍有提升空间。On-Device 模型卡指出,其对分布外任务的泛化及高自由度机器人控制能力有限。机器人部署仍需急停、隔离及速度或力限制等物理安全措施,不能仅依赖模型判断。(deepmind.google)
发布公告称,VLA 和 On-Device 模型面向早期访问合作伙伴;ER 2 可通过 Google AI Studio 使用,并在 Gemini Enterprise Agent Platform 提供私有预览。这些获取条件不应视为三种模型均已公开提供相同的 API。(deepmind.google)
价格
截至 2026 年 11 月 16 日查询,未核实到同名 Gemini Robotics 2 VLA 的官方输入或输出计费价格,不能将配套 ER 模型的价格视为 VLA 价格。
供区分配套模型参考:Google Cloud Agent Platform 官方定价将 Gemini ER 2.0 单独列价,币种为美元(USD),单位均为每百万 token。至 2026 年 12 月 31 日的促销价为:文本、图像、视频及音频输入 $1.00,缓存输入 $0.10,文本输出(含响应和推理)$5.00;官方称促销通过指定期间净支出的 50% 额度返还提供。自 2027 年 1 月 1 日起,列示价格分别为 $2.00、$0.20 和 $10.00。这是 ER 模型在该平台的价格,不是同名 VLA 的报价。(cloud.google.com)
官方来源
- Google DeepMind 发布公告
- Gemini Robotics On-Device 2 模型卡
- Google Cloud Agent Platform 定价,查询日期:2026 年 11 月 16 日。