Google 在 30 日宣布推出全新機器人 AI 模型 Gemini Robotics ER 2，這是目前 Google 最先進的「具身推理（Embodied Reasoning）」模型，可視為機器人的「高階大腦」。相比前一代 Gemini Robotics ER 1.6，新版本在連續影片理解、任務進度追蹤、工具調度以及多機器人協作能力等方面有了顯著提升。
事實陳述
Gemini Robotics ER 2 的最大突破在於導入了連續影片理解能力，使機器人能夠持續觀看攝影機畫面，即時掌握任務完成進度、判斷執行過程是否出錯，並根據環境變化隨時調整策略。此外，新模型還加入了進度分類功能，可將影片中的每一個畫面依任務完成程度分為五個階段，藉此判斷工作進行到哪裡、是否偏離流程，以及是否需要採取補救措施。
各方反應
Google 表示，Gemini Robotics ER 2 在進度分類任務中的準確率約 57.4%，優於前一代模型。另一項重要升級則是關鍵時刻辨識能力，新模型在這項測試中的準確率達 91.3%，平均時間誤差僅 0.96 秒。Google 也展示了與波士頓動力（Boston Dynamics）的合作成果，透過 Gemini Robotics ER 2 整合 Spot 四足機器人的導航 API 與機械手臂控制能力，使用者只需以自然語言下達指令，Spot 便能自主導航、尋找目標物並完成取物。
此外，Gemini Robotics ER 2 也全面提升空間理解能力，包括成功／失敗偵測、儀器讀值及視覺問答等方面。在安全性方面，新模型在人員接近偵測及安全指令遵循兩項測試中，表現均優於前一代模型。
背景補充
Google 強調，若要讓機器人在真實世界中協助人類，光具備精準的空間推理能力仍然不夠，更大的挑戰在於，機器人能否即時理解現場狀況、判斷下一步該採取什麼行動，並在執行任務的過程中，根據環境變化隨時調整策略。因此，Gemini Robotics ER 2 被定位為機器人的「高階大腦」，主要負責與人類對話、理解周遭物理環境、規劃多步驟任務，並可呼叫 Google Search 等工具取得資訊，或串接開發者自訂的函式與 API。
為了實現多機器人協作，不同類型的機器人各有所長，例如輪式機器人擅長室內導航，人形機器人則更適合跨越崎嶇地形。Gemini Robotics ER 2 可讓不同機器人共享語意理解能力，彼此分工、交接任務，共同完成單一機器人無法獨立處理的複雜工作流程。
從產業面來看，Gemini Robotics ER 2 的推出標誌著機器人技術邁向新的里程碑。這不僅提升了機器人在真實世界中的操作能力，還為多機器人協作開創了新的可能性。未來，我們可以期待更多機器人應用在工業、服務業等領域，為人類帶來更多的便利與效率。
Gemini Robotics ER 2 已透過 Gemini API（可於 Google AI Studio 使用）開放開發者；企業版則以 Private Preview 形式於 Gemini Enterprise Agent Platform 提供。對於開發者和企業來說，這是一次不容錯過的技術升級機會。
本文改寫整理自公開新聞來源，原始報導由自由時報發布。
常見問題 FAQ
Gemini Robotics ER 2 的主要功能有哪些？
Gemini Robotics ER 2 的主要功能包括連續影片理解、任務進度追蹤、工具調度、多機器人協作以及空間理解能力。
Gemini Robotics ER 2 與前一代相比有哪些改進？
Gemini Robotics ER 2 在進度分類、關鍵時刻辨識、空間理解能力以及安全性方面都有顯著改進。
Gemini Robotics ER 2 如何實現多機器人協作？
Gemini Robotics ER 2 通過共享語意理解能力，使不同類型的機器人可以分工、交接任務，共同完成複雜的工作流程。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。