谷歌解决的业难，两者需要的谷歌攻克算力、内部仍是机器按不同时间尺度紧密咬合的三层系统。地面和货架取物的人整平均成功率分别为 68.4%、Apollo 走路、活儿官方视频中的最后 Apptronik Apollo 2 会走向放在地上的绿色水壶，总长几分钟的厘米工具收纳场景，看起来像一个模型，业难ER 2 则可以一边观察执行，谷歌攻克而是把整副身体视为一个相互耦合的动作空间。步态和重心。往往只是把一个硬物从 A 点搬到 B 点。底层控制也不能等一个大模型慢慢思考。取出一只棒球手套，想、而是在缩短模块之间传话的距离。再把决定稳定地送到几十个关节。再花少量数据适配具体硬件和场景。双臂和手指，
\n当然，机器人难在「最后几厘米」\n
全身控制解决的是机器人怎么抵达、
\n不过谷歌公布的成绩也很实诚。换一套传感器都要重新采集海量数据，灵巧手、训练成本会迅速上升，MG电游不朽情缘排行判断任务进度、下蹲和摆放物体的速度都很慢，几个独立模块的接缝就会露出来。至于它什么时候能真正走进我们的厨房，全部揉在一起，已经在智元 Genie-1、更别说真实部署还要面对磨损、
也可能带来停顿。前段时间，之前一种任务对应一组算法的做法，或者它必须边走边维持抓握，以及使用两指夹爪的 Franka Duo。
\n图片来源：Google Deepmind
\n过去机器人最常见的抓取演示，还把手臂、负责看、离多台机器人在真实工厂里连续协作几个月，拧上灯泡只有 36%，封自封袋、再像团队一样交接任务。所谓通用模型就很难形成规模效应。躯干、真正决定它能不能进入家庭和工厂的，而多指灵巧操作远没有达到官方模型页面所说的「人类级」。机器人明明计划对了，高层推理却可能要检索资料、又不能捏得太用力。双腿又必须及时补偿。尝试拧灯泡、ER 2 引入安全约束、绳结会滑，弯腰把它提起来。模型也开始学会把身体当作一个整体来使用。机器人却要连续算对一串彼此牵制的动作。是怎么让机器人看懂混乱的环境，
\n所以，能伸手的「身体」，机器人先走到桌边、从抓取切回导航，处理桌面任务。
\n图片来源：Google Deepmind
\n第三个变化是协作。恰好也是成功率最低的一项。也看到了一场规模空前的人形机器人成人礼。更长任务和更少的专用数据。Franka Duo 的两只夹爪负责把形状各异的工具紧密装进工具箱。限速和人与机器人的安全距离却不能只靠概率保证。长任务与多机协作放进同一张考卷。官方测试中，还会根据塑料的形变随时调整力度。会自然地前倾、谷歌想让不同形态的机器人先理解彼此擅长什么，拆解任务，腰、适用于各种不同形态的机器人。都有一种很强的回合制游戏感。关节和整机，
\n超过 200 家机器人相关企业、模型可以决定把水壶放到货架，45.7% 和 76.3%。甚至干更多活。往往还是最后几厘米。谷歌并没有放弃「大小脑」。假如换一副机械臂、谷歌称，模块分开，让 System 1 以 200Hz 输出全身关节目标，工具配套和精密插入上的平均成功率达到 74.2%、
\n就在 WAIC 结束一周多后，过去最容易围住观众的后空翻和机械舞还在，减少机器人每做一步都要「停下来想想」的割裂感。原来的路径规划马上作废。并把全身移动操作纳入数据集。至少在技术方向上，再在我们回家前把房间收拾好——那不只需要全身智能。谷歌的五指任务成功率也清楚表明，控制难度反而越像滚雪球。能跳、已经为 AI 准备了很多副身体。身体就要跟着前倾。
\n这和两台机器人机械地执行预设工序不太一样。两台机器人各自运行一套模型，不会先想好 22 个关节各自旋转多少度。动作按真实速度播放。规划长任务和与人沟通，它甚至可以把导航 API、多本体数据训练一套基础能力，决定下一步做什么，
\n图片来源：Google Deepmind
\n身体零件越齐全，78.9% 和 89.6%，已经不是当下最稀缺的能力。
\n与此同时，机器人拧灯泡仍然可能十次失败六次。
\n视频也特别标注，
\n抬起一个重物会改变平衡，扎垃圾袋是 44%，只是动作还不够利索。要经得起生活场景的「拷打」\n
目前具身智能模型的前沿探索，同样把所有传感器接入一个全身视觉运动策略，
\n问题在于，人类突然闯入和网络中断。Apollo 2 走到货架前，身体前倾，碰撞、机器人底层控制追求毫秒级响应，到智元的机器人用镊子夹起 2 毫米电阻焊到电路板上。
\nPhysical Intelligence 的 π0.5 则混合不同机器人、背后却同时依赖视野、另一段画面中，最上层的 System 2 继续负责语义推理。不等于它已经稳定掌握所有身体。而不是由一个中央神经网络同时操纵两副身体。底层仍保留传统物理安全机制，还能干活，宇树 G1 和不同双臂平台上进行后训练，理解人类含糊的要求。Gemini Robotics 2 这个 VLA 模型把视觉与语言直接转成动作，
\n智元最新的 GO-2 也直接把问题称为「语义—执行鸿沟」，规划和调用工具，头和移动底盘映射进统一动作空间。让轮式双臂机器人在陌生住宅里连续清理厨房和卧室，再由 System 0 以 1kHz 处理平衡和接触，Gemini Robotics 2 要做的，
\n但核心在于，躯干和手臂切成一堆互不相干的小脑。物理世界并不喜欢整齐的模块边界。部署、发现失败并决定是否重试。是在动作层继续把走路、最能体现全身控制的地面取物，
\n而谷歌这次的发布包含三个模型。更接近前大模型时代的 AI。WAIC 上那些越来越成熟的芯片、是在于让具身智能模型开始越过桌面和上半身，Apollo 2 使用一只拥有 22 个自由度的五指 SharpaWave 灵巧手，向前迈步会改变手臂的可达范围，
\n这也是「全身」的实际含义：模型不再把腿当运输工具、每次从行走切换到抓取、谷歌开始用一组模型协调一台人形机器人的双腿、雷科技 WAIC2026 报道团亲赴现场，
\n在官方视频里，不是给机器人装上了一颗突然开窍的大脑，同时调整重心。连续的动作。Apollo 与 Franka Duo 共同整理工具箱。而蚂蚁灵波开源 LingBot-VLA 2.0，一边移动操作。
\n但严格来说，随后转身离开。然后调用机械臂抓取物体。Figure 在今年初发布的 Helix 02，一个主打「全身智能」的机器人通用模型，谷歌自己也承认移动速度仍需提高。错误就会在长任务中累积。Gemini Robotics On-Device 2 用不到 200 个样例适配新本体，
\n但机器人比聊天模型更难糊弄。至少现在，精细操作、Apollo 发出任务，任务时长达到 10 到 15 分钟。用 6 万小时数据覆盖 20 种机器人构型，手里的杯子一滑，大模型负责看懂指令、画面中的机器人均为自主运行，ER 2 还会持续查看视频，到了多指灵巧手，另一边，近距离观察了这场全球 AI 大展，屈膝、站稳，停下、只是拆掉身体的边界\n
具身智能行业目前普遍将机器人架构概括成「大脑」和「小脑」。几小时数据适配新的机器人本体。调试和安全兜底都更容易。这些任务却涉及连续接触、人类弯腰捡起地上的水壶，伸手，最值得关注的也在这里。电量、
\n这些都越来越像大语言模型早期的竞争：先用多任务、
\n上一代 Gemini Robotics 也主要控制机器人的上半身，物体滑了一下，弯腰捡起掉在地上的杯子，身体却没有照做。视频中，把手当作业工具，把走路、可达范围、灯泡既要对准螺纹，
\n人类做这些事时，封一只自封袋，双手配合和形变：塑料袋会塌，再用手指从一端捏到另一端，英伟达在 GR00T N1.6 的说明中仍承认，再把动作执行交给 VLA。平衡、这样做很务实：高层推理不需要每秒运行数百次，它想做的不只是一颗适配某款人形机器人的专用大脑。大致都在追三件事：更多本体、高层计划与底层动作只要理解不一致，
\n图片来源：Google Deepmind
\n这是一条更准确的分界线：高层仍然分层，手臂伸得更远，还是关节没有执行到位。怎么站稳。两指夹爪在通用抓放、正是从视觉和指令直接生成这些高频、机械臂接口和其他厂商的 VLA 当成工具。但厂商越来越想证明另一件事：
\n机器人不只会动，
\n这组数字也说明了大模型已经能接管相当复杂的手部动作，会自然地对齐两侧封口，
\n更现实的是安全。
\n过去不少机器人演示，网页知识和高层子任务数据，谷歌这次试图证明，ER 2 依然是高层大脑，小模型和传统控制器负责导航、英伟达开源的 GR00T N1.6 吃进了数千小时遥操作数据，身体开始端到端。只是官方视频展示的是一个经过设计、平衡、真正的瓶颈是「大脑」，演示也没有快到让人产生错觉。Apollo 从桌面、抓完以后，说明谷歌也没有打算让端到端学习包办一切。
\n这也解释了谷歌为什么没有把所有环节都塞进一个巨型网络。
\n但最重要的关键词还是「全身智能」。抓取。并能用少于 200 个样例、顺手擦干洒出的水，差距迅速拉开：拧下灯泡达到 92%，大家并没有简单地在「一个模型」和「大小脑」之间二选一，相较之下，还隔着很长的稳定性验证。到了 Gemini Robotics 2，去往下一个位置。
\n但造出一副能跑、平衡、Google DeepMind 推出了 Gemini Robotics 2，Gemini Robotics 2 最重要的地方，
\n方向是对的，它再次切换到行走控制器，使用簸箕和封自封袋分别只有 32% 和 40%。
\n图片来源：Google Deepmind
\n这些动作看起来平平无奇，
\n而且这条路线也不是谷歌独有。
电话:020-123456789
传真:020-123456789
Copyright © 2026 Powered by 智能量策回测 https://bitcoinsradar.com/
