Google DeepMind 升级机器人 AI 模型：能上网查信息，还能跨设备“互相学习”

Google DeepMind 近日发布了其机器人专用 AI 模型的新版本——Gemini Robotics 1.5 和 Gemini Robotics-ER 1.5，标志着机器人从“执行指令”向“理解任务并自主决策”迈出关键一步。

新模型不仅能让机器人完成多步骤复杂任务，还赋予其使用网络搜索获取外部信息的能力。更进一步的是，不同构型的机器人之间可以共享经验，实现技能迁移。

从“听令行事”到“提前思考”：机器人开始具备规划能力

过去，大多数机器人 AI 的工作模式是：接收一条指令 → 执行一个动作。例如，“把杯子拿起来”或“打开抽屉”。

而这次升级的核心在于引入了“具身推理”（Embodied Reasoning）的概念。通过新的 Gemini Robotics-ER 1.5 模型，机器人可以在执行前对任务进行分步拆解和环境分析，相当于在行动前“想清楚怎么做”。

Google DeepMind 机器人部门负责人 Carolina Parada 表示：“之前的模型擅长一次执行一条指令，且通用性很强。但这一次，我们实现了对物理任务的真正理解与问题解决。”

这意味着机器人不再只是被动响应命令，而是能主动构建行动计划。

能上网的机器人：用搜索引擎辅助决策

一个显著的新能力是：机器人可以通过 Google Search 获取实时信息来完成任务。

例如，在执行“根据伦敦当前天气打包行李”这一任务时，机器人会：

1. 先识别任务目标；
2. 自动发起网络搜索，查询伦敦当天的气温与天气状况；
3. 结合结果判断是否需要带上外套、雨伞等物品；
4. 再依次完成整理、分类、装箱等操作。

类似地，在垃圾分类场景中，机器人可搜索某地具体的回收政策（如咖啡杯是否可回收），然后据此指导用户正确投放垃圾。

这种将数字工具接入物理行为决策链的做法，极大提升了机器人应对未知情境的能力。

多模态理解 + 自然语言转化：让指令更连贯

整个系统的工作流程如下：

1. Gemini Robotics-ER 1.5 负责高层规划：
   • 分析环境（通过视觉输入）
   • 查询外部信息（如搜索天气、法规）
   • 将综合判断转化为一系列自然语言子指令
2. Gemini Robotics 1.5 负责底层执行：
   • 接收上层生成的语言指令
   • 利用自己的视觉与语言理解能力，控制机械臂完成每一步动作

这种方式类似于人类解决问题的过程：先想“要做什么”，再一步步“动手做”。

技能可迁移：不同机器人也能“互相学习”

此次更新另一项突破是：同一模型可控制多种不同结构的机器人，并实现技能迁移。

Google DeepMind 发现，训练好的策略在不同平台上具有高度通用性。例如：

• 在双臂机器人 ALOHA2 上学会的任务
• 可直接应用于 Franka 双臂系统
• 甚至适用于 Apptronik 的类人机器人 Apollo

软件工程师 Kanishka Rao 在发布会上表示：“这带来了两个好处：一是可以用单一模型控制非常不同的机器人，包括类人形态；二是，在一个机器人上学到的技能，现在可以转移到另一个机器人上。”

这大幅降低了为每种新硬件重新训练模型的成本，也为未来大规模部署机器人提供了可行性路径。

开放策略：部分功能已向开发者开放

作为更新的一部分，Google DeepMind 宣布：

• Gemini Robotics-ER 1.5 现已通过 Google AI Studio 中的 Gemini API 向开发者开放，可用于构建具备推理能力的机器人应用；
• Gemini Robotics 1.5 目前仍仅限于选定合作伙伴使用，尚未全面开放。

这意味着研究机构和初创团队现在可以基于 ER 模型开发自己的任务规划模块，再结合自有控制系统实现完整闭环。