具身智能RESEARCH BRIEF
Gemini Robotics 2
从桌面操作走向全身控制与多机协作
IN A NUTSHELL
将全身动作、具身推理与本地运行拆成配套模型：VLA 负责运动控制，ER 2 负责理解和长程规划，On-Device 2 适配低延迟部署。不同模型的访问范围和能力需要分别看。
01
方法与关键变化
Gemini Robotics 2 把视觉与语言转成动作，覆盖人形全身和双臂；ER 2 是高层推理模型，用于沟通、规划及协作，不能独立当作电机控制器。
On-Device 2 面向设备端运行和新本体适配。官方所说的少量数据适配仍需要对应机器人数据，并非不做配置就可控制任意硬件。
02
实验与证据
官方 Apollo / Inspire hands 图表给出桌面、地面和架上拾取成功率约 68.4%、45.7% 与 76.3%，可见任务差异很大。数据属于厂商评估，本次未独立复跑。
03
开放情况与使用许可
ER 2 可通过 Google AI Studio 等入口访问；VLA 与 On-Device 模型面向早期合作伙伴。官方未开放对应模型权重。
LICENSE未公开模型许可证
04
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
把高层推理与低层动作分层，允许分别诊断“想错了”还是“做不到”。跨身体任务也为研究哪些知识可以共享提供了明确问题。
反方 · 哪些结论还不够
成功演示容易掩盖接口误差：规划器知道目标，不代表动作模型具备相应技能；端侧、云端和不同身体的性能也不能直接互换。多指接触尤其需要重复实验。
综合判断
我看好分层评估的路线，但不把整个系列当成一个可直接部署的万能机器人模型。模块可用性和接口可靠性需要分别验收。
我会先做的验证
在同一任务中人为替换高层计划或低层控制器，分别测量规划正确率、动作条件成功率和恢复率；再改变物体高度、遮挡与抓取姿态。