谷歌DeepMind于7月31日发布Gemini Robotics 2，称其为迄今最先进的视觉-语言-动作（VLA）模型。VLA模型结合图像识别、语言处理与动作控制，使机器人能在物理环境中自主操作。DeepMind表示，该模型可控制从桌面机械臂到全身人形机器人的各类系统，并称其为新一代自适应机器人的“智能层”。据DeepMind介绍，Gemini Robotics 2能够管理全身运动、执行精细操作任务，并协调多台机器人协同工作。开发者可通过候补名单申请早期访问权限。

同时，谷歌DeepMind还发布了Gemini Robotics ER 2，这是一款专为“具身推理”设计的模型。具身推理指理解物理世界并据此决定采取何种行动。ER 2作为机器人的更高层控制系统，取代了4月发布的Gemini Robotics ER 1.6。新模型已在Google AI Studio中提供。

此次发布正值全球科技巨头竞相布局具身智能领域。特斯拉、英伟达等公司也在开发各自的机器人基础模型。谷歌DeepMind的VLA模型路线强调通用性，旨在让单一模型适配多种机器人形态，这可能降低机器人开发的门槛，加速行业应用落地。

分析人士认为，Gemini Robotics 2的推出表明谷歌正试图在机器人AI领域建立技术优势，但实际效果仍需在真实场景中验证。目前，该模型尚处于早期访问阶段，其性能表现和商业化前景有待观察。对于关注机器人产业和AI技术发展的投资者而言，这一进展值得持续跟踪。