2025年9月25日，喺人型機械人成為市場熱點之後，Google DeepMind 冇落後，正式推出兩款機械人 AI 模型：Gemini Robotics‑ER 1.5 同 Gemini Robotics 1.5，目標係為機械人提供更強嘅感知、推理、規劃同埋執行能力，推動機械人由「被動執行」向「主動思考 + 行動」演進。連同今次發佈，DeepMind 亦首次向開發者開放咗 Gemini Robotics‑ER 模型嘅預覽使用。
一、模型結構與分工：思考與執行分離
DeepMind 將呢兩個模型設計成互補角色：
- Gemini Robotics‑ER 1.5（Embodied Reasoning）：作為高層思考模型，佢擅長喺物理世界做空間推理、規劃、任務拆解同工具調用。佢可以理解視覺資訊、環境狀態、自然語言指令，並將呢啲理解轉化為多步行為計劃。
- Gemini Robotics 1.5（Vision‑Language‑Action, VLA）：專注將高層規劃翻譯成具體動作。畀定計劃同視覺輸入，佢可以生成機械人控制指令，執行物理動作；同時亦會展示其思考步驟以增加透明度。
呢種架構令機械人具備「先思考、後行動」嘅能力，而唔係淨係逐步執行單條指令。DeepMind 喺官方博客寫到，兩個模型合作可以令機械人在更複雜嘅環境完成多步任務。
二、幾項核心能力與亮點
1. 空間與任務理解水平提升
Gemini Robotics‑ER 1.5 喺空間推理、目標定位、軌跡預測等任務上表現突出，並喺多個標準 embodied reasoning 基準 上取得領先成績，包括 ERQA、Point‑Bench、RoboSpatial‑VQA 等。佢被調校以勝任高層規劃、環境理解同任務拆解。
2. 工具調用與聯網能力
一個關鍵進步係 Gemini Robotics‑ER 1.5 原生支援 工具調用，包括調用 Google Search 或任何用戶定義函數。即係話如果機械人面對唔熟悉嘅任務，佢可以先「上網查資料」，然後根據所得資訊制定任務計劃。例如，機械人可以查詢當地垃圾分類規則、天氣狀況等，從而喺本地執行任務時更合規同更智能。
3. 思考預算可調 / 安全過濾機制
DeepMind 提供 思考預算（thinking budget） 嘅控制選項，令開發者可以喺延遲同準確度之間做權衡：執行簡單任務時可以「思考時間少」，複雜任務可以「思考更耐」以取得更好嘅規劃。
同時，呢個模型亦改進咗 安全過濾策略，喺規劃階段就能夠拒絕唔合理或者危險嘅操作（例如過載、碰撞風險等）。
三、跨硬件遷移與通用性
一個令人注目嘅能力係 跨形體（cross‑embodiment）技能遷移。DeepMind 示範咗將模型喺某一機械人平台（例如 ALOHA2 機械臂）學到嘅技能，直接遷移到另一款結構唔同嘅機械人（如雙臂 Franka、Apptronik 嘅人形機械人 Apollo），而唔需要完全重新訓練。呢個代表訓練出嚟嘅知識可以喺唔同機械人之間共享，加速技能擴展。
此外，DeepMind 宣稱呢啲模型係基於 Gemini 系列嘅基礎能力，所以唔單止保留對多模態（圖像、文本、視頻等）嘅理解力，亦可以將佢哋泛化到物理世界嘅操作上。
四、可用性與部署策略
DeepMind 表示 Gemini Robotics‑ER 1.5 已經透過 Gemini API 喺 Google AI Studio 上向開發者以預覽形式開放；而 Gemini Robotics 1.5 目前只對部分合作夥伴開放。開發者可以透過 API 調用 ER 模型做規劃，然後將規劃步驟傳畀 VLA 模型去執行。
官方博客亦提供咗 SDK 示例、限定測試計劃同技術文件，方便團隊開始搭建機械人應用。
五、挑戰與風險
儘管發佈意義重大，但呢兩款模型仍然面臨唔少挑戰：
- 動作精密度與執行魯棒性：由規劃到物理動作落地，中間要克服抓取誤差、控制精度、物理碰撞等細節問題。
- 安全與信賴性：機械人喺真實環境執行錯誤可能帶來實際風險，DeepMind 引入安全過濾、ASIMOV 基準評估等機制以緩解呢類問題。
- 通用性 vs 專用性：雖然支援跨平台轉移，但若新機械人配置差異極大，可能仍需定向微調。
- 成本與資源消耗：高效能感知同思考模型對算力要求高，喺邊緣或低資源設備部署仍有門檻。
- 實際應用場景驗證：目前多為示範同基準測試，要真正部署喺複雜多變嘅場景（家務、醫療輔助、倉儲等）仲需要時間累積實證。
結語
DeepMind 今次發佈嘅 Gemini Robotics‑ER 1.5 同 Gemini Robotics 1.5，喺機械人領域踏出實質性一步，將「思考」融入機械人系統。透過分層架構、工具調用同跨形體遷移等機制，DeepMind 希望機械人能夠更靈活地感知、推理、規劃同埋執行複雜任務。
如果未來呢啲模型能夠喺現實環境經得起考驗，佢哋有機會將通用 AI 由虛擬世界擴展到物理世界。未來幾個月，隨住開發者 API 嘅普及、社群復現結果同應用級示範逐步出現，相關生態嘅實用性同價值會慢慢顯現。