模型定位
Gemini Robotics 是基於 Gemini 2.0 建構的視覺-語言-動作(VLA)模型,以物理動作為輸出模態,旨在直接控制機器人。它不同於同期發布、側重具身推理的 Gemini Robotics-ER。(deepmind.google)
能力與用途
- **泛化與互動:**能夠處理新物體、不同指令和新環境,理解多種語言的日常指令,並根據環境或指令的變化調整動作。
- **靈巧操作:**官方展示了摺紙、將零食裝入密封袋等需要精細操作的多步驟任務。
- **機器人適配:**模型主要使用雙臂 ALOHA 2 平台的資料訓練,也展示了對基於 Franka 機械臂的雙臂平台的控制;官方表示模型可針對 Apptronik 的 Apollo 人形機器人進行專門適配。
- **應用方向:**面向機器人研究及未來家庭、工作場所中的機器人輔助任務。(deepmind.google)
限制與安全
官方展示和基準結果不保證模型在所有機器人、環境或任務中均可靠。實際部署需要結合機器人本體的安全措施,例如避免碰撞、限制接觸力和保持動態穩定。原始公告中受邀測試者的安排針對的是 Gemini Robotics-ER,不能據此認定本模型已公開提供 API。(deepmind.google)
價格
未核實到針對本條目所述 Gemini Robotics 的官方輸入、輸出計費價格,幣種及計費單位均未核實。官方定價頁面列出的 Gemini Robotics ER 版本屬於不同模型,不能直接套用其價格。查詢日期:2026-11-19。(ai.google.dev)
發布日期與官方來源
- **發布日期:**2025-03-12。(deepmind.google)
- 官方公告:Gemini Robotics brings AI into the physical world
- 官方定價頁面:Gemini Developer API pricing