目录

1. Gemini Robotics 1.5：加速机器人学习与指令遵循

多模态理解

学习效率提升

2. Gemini Robotics-ER 1.5：引入长上下文扩展推理

长期记忆与规划

鲁棒性与纠错

3. 生态展望：加速物理 AI 的商业落地

开发者赋能

物理 AI 时代

---

谷歌在人工智能领域持续保持领先地位，其最新的成果聚焦于将大型语言模型（LLM）的智能引入物理世界。近日，谷歌正式推出了两款具身智能领域的重磅模型：Gemini Robotics 1.5 和 Gemini Robotics-ER 1.5。这一代模型的发布，标志着具身智能体在理解、规划和执行复杂任务的能力上实现了质的飞跃。

1. Gemini Robotics 1.5：加速机器人学习与指令遵循

Gemini Robotics 1.5 模型专注于提升机器人的即时响应和学习效率：

多模态理解

该模型能够同时处理视觉、触觉和音频数据，结合人类的自然语言指令，实现更精细、更准确的环境感知和任务理解。例如，机器人能更好地理解“把那个红色的杯子拿到桌子中央”这类涉及颜色、位置和意图的复杂指令。

学习效率提升

通过利用大规模的具身数据和 Gemini 1.5 的预训练知识，新模型能在更少的数据和更短的训练时间内，掌握新的操作技能和环境适应能力，加速了机器人在特定场景下的部署。

2. Gemini Robotics-ER 1.5：引入长上下文扩展推理

Gemini Robotics-ER 1.5 是此次发布最具突破性的模型，专注于解决复杂、非结构化的长期任务：

长期记忆与规划

该模型可以追踪并利用任务开始时（例如数小时前）的初始状态、中间步骤和失败尝试，进行连贯的长期规划。这使得机器人能够执行更复杂的、多步骤的家庭服务或仓储物流任务。

鲁棒性与纠错

在任务执行过程中遇到意外干扰或失败时，ER 模型能够基于其对全部上下文的理解，进行智能的回溯和纠错，而非简单地重头开始，大幅提高了任务完成的鲁棒性和成功率。

3. 生态展望：加速物理 AI 的商业落地

谷歌致力于通过开源合作和 API 接口，将这些先进的具身智能能力带给全球的机器人制造商和开发者：

开发者赋能

新模型将通过 Google Cloud 的 Vertex AI 等平台向企业客户开放，使企业能够在其机器人硬件上快速集成行业领先的 AI 驱动的决策系统。

物理 AI 时代

谷歌相信，通过 Gemini Robotics 1.5 系列的强大泛化和推理能力，将有助于解决现实世界中的复杂问题，加速“物理 AI”（Physical AI）时代的到来，让智能体真正走向千家万户和工业现场。