Gemini Robotics 2：机器人领域的通用视觉语言模型

Google Deepmind 推出了 Gemini Robotics 2，该公司将其称为目前最先进的视觉-语言-动作（VLA）模型。VLA 模型结合了图像识别、语言处理和动作控制，帮助机器人在物理环境中操作。Deepmind 表示，该模型可以控制从桌面机械臂到全身人形机器人的各种系统。

该公司将 Gemini Robotics 2 描述为新一代自适应机器人的"智能层"。根据 Deepmind 的说法，它可以管理全身运动、执行精细运动任务，并协调多个机器人。开发者可以通过等待列表申请早期访问权限。

Google Deepmind 还推出了 Gemini Robotics ER 2，这是一个为"具身推理"设计的模型。该术语指的是理解物理世界并根据该信息决定采取哪些行动。ER 2 作为机器人的更高级控制系统，取代了 4 月发布的 Gemini Robotics ER 1.6。新模型可在 Google AI Studio 中使用。

没有炒作的 AI 新闻——由人类策划

订阅 THE DECODER 获得无广告阅读、每周 AI 通讯、我们独家的"AI Radar"前沿报告（每年六次）、完整的存档访问权限和评论区访问权限。