DeepMind · Agent
Google DeepMind 发布 Gemini Robotics 1.5
Google DeepMind 推出 Gemini Robotics 1.5，将 AI agent 的能力从数字世界延伸到物理环境。模型基于 Gemini 的多模态推理，让机器人理解自然语言指令并执行抓取、移动、组装等操作。Gemini Robotics 1.5 在零样本泛化与任务适应性上表现优于前代，是具身智能在现实场景落地的技术演进。
- 域名
deepmind.google- 评分
- 5 · 重大发布
- 发布
- 2026-03-03
导读
DeepMind 这篇 2025 年 9 月 25 日的博客由 Carolina Parada 撰写，介绍 Gemini Robotics 1.5 与配套的 Gemini Robotics-ER 1.5。文章把当前机器人执行复杂任务的难点定义为多步推理与情境信息：一个简单的“按本地规则把这些东西分类到堆肥、回收、垃圾三个桶里”指令，需要 agent 上网查询所在城市的回收准则、看清桌上的物体、把规则与物体一一对应，再分步执行。Gemini Robotics 1.5 是 VLA 模型，新增“行动前思考”的能力；Robotics-ER 1.5 则负责具身推理，两者构成一个 agentic 框架。
与传统 VLA 把语言指令直接翻译成关节动作不同，Gemini Robotics 1.5 在执行前先用自然语言生成一段多层级推理。以“按颜色分拣衣物”为例，模型先理解颜色对应的桶，再规划“拿起红毛衣放进黑桶”这类中层步骤，再下沉到“先把毛衣拉近便于抓取”的具体动作。这种内部思考链让长任务被自动拆解为可执行的短片段，对环境变化的鲁棒性也随之提升。在跨机器人迁移上，研究者观察到仅在 ALOHA 2 上训练的任务可以直接迁移到 Apptronik 的人形机器人 Apollo 与双臂 Franka，反向迁移同样成立。
Robotics-ER 1.5 面向外部开发者，把具身推理能力暴露给应用层。Responsibility & Safety Council 与 Responsible Development & Innovation 团队同步参与，专门处理 agentic 机器人进入人居环境的安全与对齐问题，安全技术报告与官网均已发布。对机器人开发者而言，这套模型组合的意义在于把数字世界里成熟的 agent 设计模式带入物理环境：思考、计划、调用工具、执行动作的循环不再是云端 LLM 的专利，跨硬件平台的通用性也降低了为每种机器人单独训练的成本。