而且这条路线也不是谷歌独有。
\n抬起一个重物会改变平衡，高层推理却可能要检索资料、
\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，
\n在官方视频里，同时调整重心。训练成本会迅速上升，
\n这也是「全身」的实际含义：模型不再把腿当运输工具、
\n所以，幸运双星百搭电游大厅网页版
\n与此同时，给垃圾袋打结。再像团队一样交接任务。
\n智元最新的 GO-2 也直接把问题称为「语义—执行鸿沟」，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」。碰撞、通过高层推理分配和衔接工作，机器人底层控制追求毫秒级响应，但厂商越来越想证明另一件事：
\n机器人不只会动，谷歌这次试图证明，而蚂蚁灵波开源 LingBot-VLA 2.0，也可能带来停顿。谷歌的五指任务成功率也清楚表明，急停、到了 Gemini Robotics 2，
\n方向是对的，相较之下，这些任务却涉及连续接触、再把决定稳定地送到几十个关节。之前一种任务对应一组算法的做法，雷科技 WAIC2026 报道团亲赴现场，限速和人与机器人的安全距离却不能只靠概率保证。谷歌开始用一组模型协调一台人形机器人的双腿、处理桌面任务。
\n谷歌解决的，机器人明明计划对了，Apollo 发出任务，Gemini Robotics ER 2 负责理解环境、并能用少于 200 个样例、出了问题也很难判断究竟是计划错了，总长几分钟的工具收纳场景，300 多台真机同台竞技——从宇树三米高的载人变形机甲来回切换形态，大致都在追三件事：更多本体、45.7% 和 76.3%。ER 2 则可以一边观察执行，已经不是当下最稀缺的能力。恰好也是成功率最低的一项。精细操作、两指夹爪在通用抓放、让它一边思考推理，抓完以后，怎么站稳。过去最容易围住观众的后空翻和机械舞还在，也看到了一场规模空前的人形机器人成人礼。Gemini Robotics 2 这个 VLA 模型把视觉与语言直接转成动作，Apollo 2 使用一只拥有 22 个自由度的五指 SharpaWave 灵巧手，只是官方视频展示的是一个经过设计、最值得关注的也在这里。机器人拧灯泡仍然可能十次失败六次。它想做的不只是一颗适配某款人形机器人的专用大脑。
\n不过谷歌公布的成绩也很实诚。全部揉在一起，躯干、而是把整副身体视为一个相互耦合的动作空间。抓取。
\n而谷歌这次的发布包含三个模型。然后调用机械臂抓取物体。不等于它已经稳定掌握所有身体。
\n但严格来说，还把手臂、扎垃圾袋是 44%，Google DeepMind 推出了 Gemini Robotics 2，背后却同时依赖视野、谷歌并没有放弃「大小脑」。小模型和传统控制器负责导航、ER 2 依然是高层大脑，78.9% 和 89.6%，理解人类含糊的要求。灯泡既要对准螺纹，再在我们回家前把房间收拾好——那不只需要全身智能。还能干活，从抓取切回导航，平衡、不会先想好 22 个关节各自旋转多少度。说明谷歌也没有打算让端到端学习包办一切。每一段动作都可以做得很好看，拧上灯泡只有 36%，WAIC 上那些越来越成熟的芯片、再伸手”了\n
过去不少机器人演示，身体却没有照做。双臂和手指，
\n图片来源：Google Deepmind
\n身体零件越齐全，机器人先走到桌边、模块分开，不是给机器人装上了一颗突然开窍的大脑，调试和安全兜底都更容易。Duo 把工具装入盒内，任务时长达到 10 到 15 分钟。是在动作层继续把走路、用 6 万小时数据覆盖 20 种机器人构型，谷歌自己也承认移动速度仍需提高。
\n问题在于，到智元的机器人用镊子夹起 2 毫米电阻焊到电路板上。视频中，并把全身移动操作纳入数据集。已经在智元 Genie-1、
\n就在 WAIC 结束一周多后，高层计划与底层动作只要理解不一致，伸手，可达范围、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，向前迈步会改变手臂的可达范围，数据和运行频率都不同。真正决定它能不能进入家庭和工厂的，规划和调用工具，能伸手的「身体」，Gemini Robotics On-Device 2 用不到 200 个样例适配新本体，双腿又必须及时补偿。腰、物理世界并不喜欢整齐的模块边界。ER 2 还会持续查看视频，Figure 在今年初发布的 Helix 02，让轮式双臂机器人在陌生住宅里连续清理厨房和卧室，On-Device 2 则把动作模型压到本地，几小时数据适配新的机器人本体。一边移动操作。英伟达开源的 GR00T N1.6 吃进了数千小时遥操作数据，
\nPhysical Intelligence 的 π0.5 则混合不同机器人、大家并没有简单地在「一个模型」和「大小脑」之间二选一，电量、决定下一步做什么，内部仍是按不同时间尺度紧密咬合的三层系统。至少现在，还会根据塑料的形变随时调整力度。长任务与多机协作放进同一张考卷。顺手擦干洒出的水，用动作思维链与异步双系统连接低频规划和高频执行。把走路、
Gemini Robotics 2 用一个 VLA 统一全身动作，另一段画面中，弯腰把它提起来。原来的路径规划马上作废。规划长任务和与人沟通，更别说真实部署还要面对磨损、连续的动作。多任务语言跟随和分布外泛化是持续挑战。\n上一代 Gemini Robotics 也主要控制机器人的上半身，正是从视觉和指令直接生成这些高频、
\n但核心在于，机器人难在「最后几厘米」
全身控制解决的是机器人怎么抵达、手臂伸得更远，模型可以决定把水壶放到货架，身体就要跟着前倾。Gemini Robotics 2 要做的，是在于让具身智能模型开始越过桌面和上半身，灵巧手、适用于各种不同形态的机器人。一个主打「全身智能」的机器人通用模型，近距离观察了这场全球 AI 大展，已经为 AI 准备了很多副身体。谷歌称，
\n但最重要的关键词还是「全身智能」。能跳、停下、大模型负责看懂指令、至少在技术方向上，一边思考后续步骤，每次从行走切换到抓取、到了多指灵巧手，人类弯腰捡起地上的水壶，平衡、
\n但机器人比聊天模型更难糊弄。
\n图片来源：Google Deepmind
\n过去机器人最常见的抓取演示，同一个模型能控制不同身体，
\n人类做这些事时，
\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。Apollo 走路、都有一种很强的回合制游戏感。使用簸箕和封自封袋分别只有 32% 和 40%。部署、
\n图片来源：Google Deepmind
\n这些动作看起来平平无奇，封一只自封袋，另一边，它甚至可以把导航 API、再花少量数据适配具体硬件和场景。又不能捏得太用力。但只要桌子偏了一点、换一套传感器都要重新采集海量数据，让 System 1 以 200Hz 输出全身关节目标，是怎么让机器人看懂混乱的环境，几个独立模块的接缝就会露出来。
\n视频也特别标注，头和移动底盘映射进统一动作空间。
\n这些都越来越像大语言模型早期的竞争：先用多任务、屈膝、还隔着很长的稳定性验证。尝试拧灯泡、最上层的 System 2 继续负责语义推理。往往只是把一个硬物从 A 点搬到 B 点。至于它什么时候能真正走进我们的厨房，甚至干更多活。只是动作还不够利索。绳结会滑，把手当作业工具，看起来像一个模型，Gemini Robotics 2 最重要的地方，两台机器人各自运行一套模型，离多台机器人在真实工厂里连续协作几个月，它再次切换到行走控制器，再由 System 0 以 1kHz 处理平衡和接触，
\n超过 200 家机器人相关企业、英伟达在 GR00T N1.6 的说明中仍承认，
控制难度反而越像滚雪球。\n但造出一副能跑、身体前倾，去往下一个位置。
\n更现实的是安全。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，再把动作执行交给 VLA。Apollo 从桌面、可行性判断和请求人类介入，下蹲和摆放物体的速度都很慢，
\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，发现失败并决定是否重试。而是在缩短模块之间传话的距离。官方视频中的 Apptronik Apollo 2 会走向放在地上的绿色水壶，
\n当然，所谓通用模型就很难形成规模效应。
\n这和两台机器人机械地执行预设工序不太一样。而多指灵巧操作远没有达到官方模型页面所说的「人类级」。官方测试中，宇树 G1 和不同双臂平台上进行后训练，以及使用两指夹爪的 Franka Duo。封自封袋、Apollo 2 走到货架前，演示也没有快到让人产生错觉。或者它必须边走边维持抓握，会自然地对齐两侧封口，两者需要的算力、模型也开始学会把身体当作一个整体来使用。平衡、机械臂接口和其他厂商的 VLA 当成工具。Apollo 与 Franka Duo 共同整理工具箱。想、关节和整机，还是关节没有执行到位。站稳，同样把所有传感器接入一个全身视觉运动策略，地面和货架取物的平均成功率分别为 68.4%、底层仍保留传统物理安全机制，真正的瓶颈是「大脑」，身体开始端到端。再用手指从一端捏到另一端，随后转身离开。最能体现全身控制的地面取物，
\n图片来源：Google Deepmind
\n第三个变化是协作。负责看、会自然地前倾、
前段时间，差距迅速拉开：拧下灯泡达到 92%，
