谷歌发布Gemini Robotics 2：VLA模型实现人形机器人全身控制，200个示例即可适配新本体

8月3日消息，谷歌DeepMind正式发布Gemini Robotics 2，其VLA（视觉-语言-动作）模型实现了人形机器人从脚到指尖的全身移动与精细操作控制，标志着具身智能领域迎来重要突破。

此次发布同步推出三款模型：负责全身控制的VLA主模型、负责高级推理规划的ER 2，以及可端侧部署的On-Device 2。其中端侧模型仅需200个示例即可适配新机器人本体，大幅降低了机器人技能迁移的成本。

Gemini Robotics 2核心亮点：

• 全身控制：VLA模型实现人形机器人从脚部运动到指尖精细操作的全身协调控制
• 快速适配：On-Device 2仅需200个示例即可迁移至新机器人本体，无需大规模重新训练
• 多硬件兼容：可迁移至Apollo、Franka等多种机器人硬件平台
• 多机协作：支持多个机器人协同完成长序列复杂任务
• 端侧部署：On-Device版本可在机器人本地运行，降低延迟并提升隐私性

同期，阿尔特联合富士康在2026年ESCC具身智能供应链生态大会上发布机器人"交钥匙"全栈平台。行业普遍认为2026年是具身智能量产元年，国内人形机器人整机产量有望突破10万台。

但行业也面临挑战：上半年1041亿元融资中超半数涌向"大脑派"VLA模型，软件能力发展速度落后于硬件量产节奏，存在"身体等大脑"的现象。

Gemini Robotics 2的"200示例适配新本体"是关键指标——如果这一能力在非实验室环境中得到验证，意味着机器人技能迁移的成本正从"重新训练"降至"少量示范"，这正是量产落地的核心瓶颈。谷歌选择专注于模型研发而非机器人本体制造，与阿尔特-富士康的量产平台形成产业互补。当模型能力与量产平台同时成熟，具身智能的商业化拐点才算真正到来。