DeepMind 机器人「大脑」Gemini Robotics ER 2 上线 Google Cloud 公开预览：企业可用它编排 VLA 模型和多机器人协作

核心背景与行业痛点

机器人要在工厂、仓库和实验室里真正干活，难点往往不在单个动作，而在「判断」：这一步做成了没有、下一步该做什么、出了意外怎么调整。Google DeepMind 今年早些时候推出 Gemini Robotics 2，其中的 Gemini Robotics Embodied Reasoning 2（ER 2）就是负责这类高层推理的模型，此前主要通过 Gemini API 和 Google AI Studio 提供。Google Cloud 官方账号 10 月 27 日发帖，并由 DeepMind 机器人负责人 Carolina Parada 等人在 Google Cloud 博客撰文宣布：ER 2 现已在 Gemini 平台以公开预览形式面向企业开放。

模型能做什么

按官方博客和文档，ER 2 是一个面向机器人的视觉语言模型，模型 ID 为 gemini-robotics-er-2-preview，基于 Gemini 3.5 Flash，输入支持文本、图像、视频和音频，输入上限 131,072 token，输出上限 65,536 token。它能对连续视频做时空推理，把任务进度判定为二元状态、离散类别或连续分数，失败时只重做出错的那一步而不必整个流程重来；官方称它定位关键时刻（例如何时停止倒液体）的准确率为 91.3%，平均帧误差 0.96 秒。它还能读取圆形表盘、液位计、数显屏、刻度尺、液体温度计等 10 多类仪表的读数。

作为「大脑」调度工具和多台机器人

ER 2 的设计思路是当机器人的高层规划者：开发者把 VLA（视觉-语言-动作）模型、导航 API 或自定义函数声明成工具，再把视频、音频或文本流式输入模型，由它规划步骤、调用工具并自我纠错。官方称它适用于固定机械臂、轮式车、四足机器人到人形机器人等多种形态，并支持多台不同机器人共享对工作区的理解、分工和交接。操作员可以用自然语言改派任务，机器人也能边做边解释思路。

企业版的配套与早期用户

这次上 Google Cloud 的重点是企业配套：企业级 IAM、安全控制和内置函数调用，配合 MuJoCo-Warp、NVIDIA Isaac Sim 做仿真，用 BigQuery 和 Cloud Storage 整理示范视频并训练自定义 VLA 模型，再用 Google Distributed Cloud 把 SLAM、路径规划等低延迟任务放到工厂现场。按 Google Cloud 文档，Cloud 上的预览支持 GenerateContent 调用，不支持 Live API。博客引用了 Boston Dynamics（Spot 机器狗视频巡检）、Arm、DeepReach 等早期用户的评价。需要注意，这是预览版，适用 Google 的 Pre-GA 条款；文中数据均为 Google 自己公布，尚无第三方复现。