Google DeepMind 最新发布的 Gemini Robotics 2 将全身智能引入机器人领域，标志着机器人控制从局部动作向全身协调的跃迁。
发生了什么
Google DeepMind 于近期发布了 Gemini Robotics 2，这是一套基于视觉-语言模型（VLM）的机器人控制框架。与上一代相比，Gemini Robotics 2 的核心突破在于“全身智能”（whole body intelligence）：机器人不再仅依赖末端执行器（如机械爪）进行操作，而是能够协调全身——包括躯干、手臂、腿部（若适用）——来完成复杂任务。例如，在演示中，机器人可以同时使用两只手臂搬运大件物品，或在保持平衡的同时弯腰捡起地面上的物体。该系统通过端到端的神经网络，直接从摄像头输入生成全身关节的电机指令。
为什么重要
传统机器人控制通常将任务分解为“运动规划”和“抓取/操作”两个独立模块，导致动作僵硬且对环境变化适应性差。Gemini Robotics 2 的全身智能解决了几个关键痛点：首先，它让机器人能利用身体惯性完成更自然的动作，比如摆动身体来增加抓取范围；其次，它提升了多任务并行能力，例如一手扶墙一手开门；最后，它增强了机器人的鲁棒性，即使部分关节受阻，系统也能重新规划全身动作。这一进展得益于 DeepMind 在强化学习和大规模仿真训练上的积累，以及 Gemini 系列模型在视觉-语言理解上的能力。
影响与看点
对于机器人行业，Gemini Robotics 2 可能加速服务机器人和工业协作机器人的落地。开发者可以期待更少的硬件约束和更灵活的任务编程——例如，只需用自然语言描述任务，机器人就能自主规划全身动作。对用户而言，这意味着机器人将更“像人”地工作，减少对专用夹具和固定工位的依赖。值得关注的是，DeepMind 是否会将此技术开放给第三方平台，以及其在非结构化环境（如家庭、仓库）中的实际表现。独立判断：全身智能是机器人从“工具”迈向“伙伴”的关键一步，但距离通用自主仍需要解决感知和推理的深度结合。
