2025年9月25日，在人形机器人成为市场热点后，Google DeepMind 不甘人后，正式推出两款机器人 AI 模型：Gemini Robotics‑ER 1.5 和 Gemini Robotics 1.5，旨在为机器人提供更强的感知、推理、规划与执行能力，推进机器人从“被动执行”向“主动思考 + 行动”演进。伴随着此次发布，DeepMind 也首次向开发者开放了 Gemini Robotics‑ER 模型的预览使用。
一、模型结构与分工：思考与执行分离
DeepMind 将这两个模型设计为互补角色：
- Gemini Robotics‑ER 1.5（Embodied Reasoning）：作为高层思考模型，它擅长在物理世界中进行空间推理、规划、任务拆解与工具调用。它可以理解视觉信息、环境状态、自然语言指令，并将这些理解转化为多步行为计划。
- Gemini Robotics 1.5（Vision‑Language‑Action, VLA）：专注于将高层规划转译为具体动作。给定计划与视觉输入，它能生成机器人控制指令，执行物理动作。它还能展示其思考步骤以增加透明性。
这样的架构让机器人具备“先思考，再行动”的能力，而不是仅仅逐步执行单条指令。DeepMind 在其博客中写道，这两个模型合作，使机器人能够在更复杂的环境中完成多步任务。
二、几项核心能力与亮点
1. 空间与任务理解水平提升
Gemini Robotics‑ER 1.5 在空间推理、目标定位、轨迹预测等任务上表现优异，并在多个标准 embodied reasoning 基准 上取得领先成绩，包括 ERQA、Point‑Bench、RoboSpatial‑VQA 等。 它被调优以胜任高层规划、环境理解与任务拆解。
2. 工具调用与联网能力
一个关键进步是 Gemini Robotics‑ER 1.5 原生支持 工具调用，包括调用 Google Search 或任何用户定义函数。这意味着如果机器人面对一个不熟悉的任务，它可以先“上网查资料”，然后基于所得信息制定任务计划。例如，机器人可以询问当地垃圾分类规则、天气状况等，从而在本地执行任务时更合规和智能。
3. 思考预算可调 / 安全过滤机制
DeepMind 提供 思考预算（thinking budget） 的控制选项，让开发者在延迟和准确性之间做权衡：执行简单任务时可以“思考时间少”，复杂任务可以“思考更久”以获得更好规划。
同时，该模型也改进了 安全过滤策略，在规划阶段就能拒绝不合理或危险操作（比如过载、碰撞风险等）。
三、跨硬件迁移与通用性
一个令人眼前一亮的能力是 跨形体（cross‑embodiment）技能迁移。DeepMind 演示了将模型在某一机器人平台（例如 ALOHA2 机械臂）学到的技能，直接迁移至另一结构不同的机器人（如双臂 Franka、Apptronik 的人形机器人 Apollo），而无需完全重新训练。 这意味着训练的知识可以在不同机器人之间共享、加速技能扩展。
此外，DeepMind 宣称这些模型基于 Gemini 系列的基础能力，因此不仅保有对多模态（图像、文本、视频等）的理解力，也能将其泛化至物理世界操作。
四、可用性与部署策略
DeepMind 表示 Gemini Robotics‑ER 1.5 已通过 Gemini API 在 Google AI Studio 上向开发者预览开放；而 Gemini Robotics 1.5 则目前仅对部分合作伙伴开放。 开发者可以通过 API 调用 ER 模型进行规划，并将规划步骤传递给 VLA 模型执行。
官方博客也提供了 SDK 示例、限定测试计划和技术文档，以便团队开始搭建机器人应用。
五、挑战与风险
尽管发布意义重大，但这两款模型仍面临不少挑战：
- 动作精密性与执行鲁棒性：从规划到物理动作落地，中间还要克服抓取误差、控制精度、物理碰撞等细节问题。
- 安全与信赖性：机器人在真实环境中执行错误可能带来物理风险，DeepMind 引入安全过滤、ASIMOV 基准评估等机制以缓解这一问题。
- 通用性 vs 专用性：虽然支持跨平台转移，但若新机器人配置差异极大，可能仍需定向微调。
- 成本与资源消耗：高性能感知 + 思考模型对算力要求高，在边缘或低资源设备部署仍有门槛。
- 实际应用场景验证：目前多为演示与基准测试，真正部署在复杂多变的场景（家务、医疗辅助、仓储等）还需时间积累。
结语
DeepMind 此次发布的 Gemini Robotics‑ER 1.5 与 Gemini Robotics 1.5，在机器人领域迈出实质性一步，将“思考”融入机器人体系。通过分层架构、工具调用、跨形体迁移等机制，DeepMind 希望机器人能更灵活地感知、推理、规划与执行复杂任务。
如果未来这些模型能在现实环境中经受住考验，它们可能真正将通用 AI 从虚拟世界拓展到物理世界。未来几个月里，随着开发者 API 的普及、社区复现结果和应用级演示的逐步亮相，这一生态的实用性与价值将逐步显现。