2026/07/31 17:00  
Google宣布推出全新機器人AI模型Gemini Robotics ER 2，被定位為機器人的「高階大腦」。（截自官方部落格）
〔記者邱巧貞／台北報導〕Google 30日宣布推出全新機器人AI模型 Gemini Robotics ER 2，這是目前Google最先進的「具身推理（Embodied Reasoning）」模型，可視為機器人的「高階大腦」，相較前一代 Gemini Robotics ER 1.6，新版本最大的突破在於加入連續影片理解（Video Understanding）、任務進度追蹤、工具調度（Tool Orchestration）以及多機器人協作能力等。
Google指出，若要讓機器人在真實世界中協助人類，光具備精準的空間推理能力仍然不夠，更大的挑戰在於，機器人能否即時理解現場狀況、判斷下一步該採取什麼行動，並在執行任務的過程中，根據環境變化隨時調整策略。
因此，Gemini Robotics ER 2被定位為機器人的「高階大腦」，主要負責與人類對話、理解周遭物理環境、規劃多步驟任務，並可呼叫Google Search等工具取得資訊，或串接開發者自訂的函式與API。完成任務規劃後，再將實際動作交由底層的視覺－語言－動作模型（Vision-Language-Action，VLA）執行。
此次更新的一大突破，是導入連續影片理解（Continuous Video Understanding）能力。過去機器人大多只能分析單張影像，如今則能持續觀看攝影機畫面，即時掌握任務完成進度、判斷執行過程是否出錯、是否需要重新嘗試，以及是否可以進入下一個步驟。
Google表示，這讓機器人真正具備「即時情境感知」能力，例如能判斷燈泡是否已鎖緊、垃圾袋是否綁好，或咖啡是否已倒至適當容量，只有在確認任務完成後，才會繼續下一步。
為了更精準掌握工作進度，Gemini Robotics ER 2新增進度分類功能，可將影片中的每一個畫面依任務完成程度分為0至20%、20至40%、40至60%、60至80%及80至100%等階段，藉此判斷工作進行到哪裡、是否偏離流程，以及是否需要採取補救措施。官方測試顯示，Gemini Robotics ER 2在進度分類任務中的準確率約57.4%，優於前一代模型。
另一項重要升級則是關鍵時刻辨識（Moment Finding），可找出影片中任務完成的關鍵時間點，例如判斷咖啡何時倒至適當容量、燈泡何時完全鎖緊等。Google表示，新模型在這項測試中的準確率達 91.3%，平均時間誤差僅 0.96 秒；相較同級大型模型，在維持高準確率的同時，推論速度約快 4 倍，且運算成本更低。
Google此次也正式加入多機器人協作功能。官方指出，不同類型的機器人各有所長，例如：輪式機器人擅長室內導航，人形機器人則更適合跨越崎嶇地形，Gemini Robotics ER 2可讓不同機器人共享語意理解能力，彼此分工、交接任務，共同完成單一機器人無法獨立處理的複雜工作流程。
Google也展示與波士頓動力（Boston Dynamics）的合作成果，透過Gemini Robotics ER 2整合Spot四足機器人的導航API與機械手臂控制能力，使用者只需以自然語言下達「幫我拿爆米花」等指令，Spot便能自主導航、尋找目標物並完成取物。Google也同步於GitHub公開相關範例程式，供開發者參考與應用。
此外，Gemini Robotics ER 2也全面提升空間理解能力，涵蓋三大核心功能。首先，在成功／失敗偵測（Success / Failure Detection）方面，Gemini Robotics ER 2 現在可直接分析原始影片串流，而非僅依賴靜態影像，因此能在任務執行過程中即時偵測液體灑出、物品滑落、對位偏移等失敗情況。
其次，在儀器讀值（General Instrument Reading）方面，已從過去主要支援類比儀表，擴展至可辨識10種不同類型的儀器，包括數位顯示器、直尺、線性刻度及液體溫度計等，可因應更多工業場域的檢測需求。
最後，在視覺問答方面，受惠於Gemini多模態理解能力的提升，機器人能更準確理解複雜的視覺資訊，並回答與空間環境相關的問題。
在安全性方面，Google表示，Gemini Robotics ER 2在人員接近偵測及安全指令遵循兩項測試中，表現均優於前一代模型。舉例來說，當有人靠近機器人時，系統能自動停止作業、持續監測周遭環境，並在確認人員離開後自主恢復工作。
Google同時推出全新的安全評估基準，檢驗AI是否具備執行安全限制、持續監控環境、判斷動作是否符合物理可行性，以及在必要時主動向人類尋求確認等能力，進一步提升未來具身AI（Embodied AI）的安全性。
Google表示，Gemini Robotics ER 2已透過Gemini API（可於 Google AI Studio 使用）開放開發者；企業版則以 Private Preview 形式於 Gemini Enterprise Agent Platform提供。