谷歌DeepMind的Gemini Robotics 2：为什么全身AI控制很重要
2026/7/31
从腰部到头部再到脚趾
控制机器人臂是一个已经解决得很好的问题，你会在几乎每个现代工厂找到工业操纵器。而控制人形机器人的整个身体 —— 腿部、躯干、手臂和灵巧的手指协调工作 —— 是一个完全不同的挑战。这正是谷歌DeepMind现在用其最新版本的Gemini Robotics模型所针对的问题。
之前版本的Gemini Robotics专注于上身：用手臂和手进行抓取、伸展和操纵物体。Gemini Robotics 2大幅扩展了这个范围，协调从脚一直到指尖的运动，该公司称之为「全身运动」控制。这种转变在纸面上听起来很微小，但代表了底层复杂性的重大飞跃。
为什么全身控制这么难
人类的运动看似协调得很巧妙。当你从地板上拿起什么东西时，你的膝盖弯曲、躯干倾斜、手臂伸展、手指调整握力 —— 所有这些都同时进行，都受到连续平衡反馈的指导。在机器人中复制这一点需要AI模型同时在数十个自由度上进行推理，管理相互冲突的物理约束，并以足够快的速度完成以保持直立。
早期的人形机器人控制系统经常将运动（行走、平衡）和操纵（抓取、放置）作为单独的子系统来处理。机器人会停止、稳定，然后行动 —— 或在两个不同的软件堆栈之间交接控制。这种模块化使事情更易管理，但也使机器人容易出故障：当任务需要同时进行两者时，例如边走楼梯边托着托盘，或蹲下从低架子上取物，它就会很吃力。
处理完整动力链的统一模型消除了这些交接的接缝。AI可以学习到，伸展运动需要机器人重心的补偿性转移，或者快速行走需要手臂摆动来保持平衡 —— 这些行为从对全身数据的训练中自然而然地出现，而不是被硬编码的。
这对现实应用的意义
实际影响涵盖了多个行业，机器人研究人员已经在关注这些行业多年。
物流和仓库 代表了最直接的商业机会。一个人形机器人可以走过仓库走廊、蹲到低架子、取出包裹并交接 —— 所有这些都在一个流畅的序列中 —— 最终可以在非结构化环境中匹配人类工作者的灵活性。今天的专用物流机器人速度快但高度受限于特定的任务和布局。
酒店和服务 是另一个自然的应用领域。像自主配送机器人这样的平台已经可以在复杂的室内环境中导航，但全身人形机器人可以承担更广泛的任务 —— 重新布置桌子、协助客人、处理意外障碍物 —— 这些都需要全身协调。
研究和开发 可能会看到最直接的采用。为具身AI实验而设计的开放人形平台 —— 如Unitree G1，一个35千克的双足机器人，拥有高达43个自由度 —— 为研究人员提供了一个物理基质来测试Gemini Robotics 2这样的模型。随着机器人基础模型的成熟，拥有功能强大、可配置的硬件对于验证和微调AI驱动的行为变得越来越重要。
工业检查 也值得关注。像Unitree B2这样的四足机器人已经在粗糙地形检查任务中证明了其价值，但具有全身协调能力的人形平台最终可以进入专为人类工作者设计的环境 —— 爬梯子、操作阀门、在狭小空间中移动。
边缘AI在部署中的作用
Gemini Robotics 2这样的模型提出的一个更深层的问题是计算实际在哪里运行。大型基础模型通常在云中训练，但在现实世界中运行的已部署机器人需要低延迟推理 —— 最好是在设备上，不依赖网络连接。
这是边缘AI计算平台变得至关重要的地方。像NVIDIA Jetson AGX Orin 64GB这样的设备，可以直接在机器人上提供高吞吐量的推理而无需云依赖，代表了在实验室外实现全身AI控制的硬件层。随着机器人基础模型通过蒸馏和量化等技术变得更高效，在日益紧凑的边缘硬件上运行它们变得越来越可行。
人形机器人的决定性时刻
Gemini Robotics 2是AI本地方法对机器人控制的更广泛浪潮的一部分，这正在挑战感知、规划和行动之间的传统分界线。与其手工设计每个行为，这些模型从大型数据集 —— 越来越多是从模拟 —— 中学习可泛化的运动策略，这些策略可以迁移到物理机器人。
从仅上身控制到单代全身协调控制的进展是关于该领域发展速度有多快的有意义的信号。人形机器人能够真正像人类一样移动和行动 —— 流畅地、自适应地、跨越全部物理任务范围 —— 一直是该领域的基准。随着每一个新的能力里程碑的实现，该基准变得更接近现实。
对于今天正在构建机器人应用的团队，信息是清晰的：AI模型能够理解的东西与机器人身体能够物理执行的东西之间的差距在迅速缩小。现在做出的基础设施选择 —— 硬件平台、计算架构、训练管道 —— 将决定当全身AI控制从实验室转向实际应用时谁已准备就绪。
有兴趣为您自己的机器人研究或商业项目探索人形或四足平台？浏览我们完整的功能强大的机器人平台范围，并与我们的团队联系，找到合适的解决方案。
参考资源
本文是在AI协助下草拟并在发布前进行审查的。