2026 年 7 月 30 日，Google DeepMind 在官方部落格發布了〈Gemini Robotics 2 brings whole body intelligence to robots〉。這次不是再讓機械臂多會抓幾樣東西，而是一次推出 Gemini Robotics 2、Gemini Robotics ER 2 與 Gemini Robotics On-Device 2 三個模型。Google 在整體展示中把機器人能力推進到行走、蹲下、雙手與多指操作，並宣稱 ER 2 可編排數分鐘長序列與異質機器人協作；後兩項尚未公布量化可靠度。
這場發布很快點燃技術社群：截至 2026 年 7 月 31 日 08:24 UTC，Hacker News 討論串的即時快照已累積 549 points、437 則回覆。興奮是有理由的——Google 展示的 action space，確實從桌面延伸到整個身體；但官方數據也同時寫著另一個故事：從地面取物只有 45.7%，五項多指任務有四項落在 32%–44%，真正輸出動作的兩個 VLA 仍未向一般開發者開放。
先把原文放在桌上。點擊下面的截圖會在新分頁打開 DeepMind 公告；接下來我會先忠實整理三個模型與展示，再把 benchmark、先例、可用性與安全邊界逐一對上，最後說明這一步究竟離「可用的通用機器人」還有多遠。
一、Gemini Robotics 2 一次發布三個模型，角色其實完全不同
「三個模型」最容易被讀成三種尺寸，其實它們分工完全不同：一個負責把感知轉成動作，一個負責看懂任務、規劃與叫工具，另一個則是為本地部署最佳化、可直接輸出動作的 VLA。
| 模型 | 角色 | 輸出 | 2026/7/31 可用性 |
|---|---|---|---|
| Gemini Robotics 2 | 旗艦 VLA；把視覺與語言轉成全身、雙手與夾爪控制 | 機器人動作 | Private preview／early-access waitlist |
| Gemini Robotics ER 2 | 高階具身推理 VLM；理解場景、拆任務、追蹤進度、呼叫 VLA 或其他工具 | 文字與工具呼叫 | AI Studio、Gemini API public preview；Enterprise private preview |
| Gemini Robotics On-Device 2 | 高效率、為本地部署最佳化的 VLA；可低延遲輸出動作並適配新的雙臂機體 | 機器人動作 | Trusted Testers only |
最重要的分界是：ER 2 是「高階腦」，VLA 才是「肌肉」。ER 2 的官方頁面明確寫著，它把馬達執行交給較低階 VLA；公開 model card 的輸出也是文字，不是關節控制值。換句話說，一般開發者目前可以從 Gemini API 試用「看懂與規劃」，卻還不能普遍取得官方影片裡真正驅動 Apollo 2 的旗艦 VLA。
官方把高階理解與規劃交給 ER 2，把動作執行交給低階 VLA；碰撞避免、平衡與力控仍需更底層控制器。這可理解為高階決策與即時控制的分層，但官方未公開各層控制頻率。
二、最大變化：從上半身桌面操作，走向全身控制
DeepMind 對這次跨越的定義很準確。原文寫道：
“While our previous models controlled the humanoid’s upper-body to achieve table-top tasks, Gemini Robotics 2 expands physical AI into whole-body motions.”
中文：「前代模型控制的是人形機器人的上半身，用來完成桌面任務；Gemini Robotics 2 則把 physical AI 擴展到全身動作。」
— Carolina Parada，Google DeepMind
這不只是多加兩條腿。人形機器人要從桌邊走到架子、彎腰撿起物件、再站穩放入低處收納格，整個機器人系統必須共同處理重心、落腳點、視角變化、手臂可達範圍與抓取。原文展示的 Apollo 2 會走、蹲、伸展，再拿著澆水壺移動；DeepMind 還稱同一個 checkpoint 可控制 Apollo 2 搭配兩種手，以及 Franka Duo 雙臂夾爪平台。
值得肯定的是，DeepMind 沒有只放剪輯影片，也把失敗面露了出來。官方內部評估中，從桌面取物是 68.4%，從架上取物 76.3%，但從地面取物只有 45.7%。這張公司內部圖顯示，模型在其未完整披露的全身取物評估中已能成功完成部分 rollout，但還不能證明跨任務穩定性或量產可靠度；而且柱狀圖是多個未逐項揭露任務的平均值。截至 2026 年 7 月 31 日，發布頁沒有列出 rollout 次數、誤差棒定義、reset 次數或每小時介入率，因此不能從一段成功影片反推出量產可靠度。
也要把「突破」放回領域脈絡。Figure 的 Helix 02 在 2026 年 1 月已展示由像素到全身的走路、平衡與操作，並公布一段四分鐘連續任務。所以 Gemini Robotics 2 不是全身 VLA 的世界首例；它更有辨識度的地方，是Google 把全身 VLA、具身推理、異質機器協作與本地適配放進同一模型家族。
三、五指手最吸睛，也最誠實地暴露距離
Gemini Robotics 2 可以控制 22 自由度的 SharpaWave 五指手，完成鎖燈泡、綁垃圾袋、使用畚箕與封夾鏈袋等任務。這比平行夾爪困難得多：手指要共享有限摩擦力，接觸點會滑動，物件還會因一次小偏差改變後續狀態。
數字非常有教育性：解開燈泡達 92%，反向的鎖燈泡卻只有 36%；綁垃圾袋 44%、使用畚箕 32%、封夾鏈袋 40%。在這套內部評估中，解燈泡與鎖燈泡的成功率比值約 2.56 倍，顯示任務間表現非常不均。這不是「通用靈巧手已完成」；由於官方沒有控制兩項任務的難度差異，公開資料也不足以把落差單獨歸因於接觸動力學。
對照之下，兩指夾爪的三類成功率是 74.2%–89.6%。公開結果與多指接觸控制更難的直覺一致；但兩張圖的機體與任務集不同，不能把成功率差距單獨歸因於自由度。更值得注意的是，Gemini Robotics 2 的獨立模型頁使用「human-level dexterity」這種強措辭，發布文章卻說仍在提升精度與速度、朝人類靈巧度前進。同一天兩個官方頁面的語氣並不一致；目前公開結果支持後者，而不是完成式的「人類級」。
四、Agentic AI 進入物理世界：真正難的是錯一次後怎麼回來
ER 2 才是這次「agentic」的核心。Google 把它設計成持續讀取影片、追蹤進度並編排 VLA 或其他工具，也展示了重試與雙機交接；但沒有公布失敗偵測、恢復或協作的獨立成功率。Google 稱它能處理數分鐘、涉及數百個決策的任務；官方五段式進度分類內部評估為 57.4%。在 Google 的 physical-agent tool-orchestration 內部評估中，ER 2 搭配 real VLA 的 success rate 是 60%，把執行端換成人類 tele-op 時則是 74%，任務組成與試驗分母未公開。
這些數字說明了物理 agent 與軟體 agent 最根本的差別：文字 agent 答錯，可以回到原檔重跑；機器人抓歪、撞倒或灑出後，世界已經被它改變。下一步看到的不再是訓練資料裡的乾淨起始狀態，錯誤會沿著任務往後放大。
用一個純數學示意就能感受這個壓力：假設 100 個關鍵決策每一步都有 99% 機率正確，而且彼此獨立，整段一次無錯的機率只有 0.99100 ≈ 36.6%。真實系統可以靠偵測、重試與人類介入打破這個簡化模型，但代價會轉成恢復時間、碰撞風險與新的狀態辨識問題。因此接下來最值得追的不是「能不能做一次」，而是每小時介入次數、失敗偵測率、恢復成功率與連續運作時間。
多機器人協作也是同一件事。Gemini 展示 Apollo 2 與 Franka Duo 共享語意、依各自身體優勢分工與交接，這比兩台同型機器人更有平台感；但「協作」本身不是首次出現，Figure 在 2025 年的 Helix 已展示單一 VLA 控制兩台人形機器人共同完成任務。Gemini 真正需要補上的，是交接成功率、通信延遲、其中一台失敗時能否重新分工，以及雙機是否真的比單機更省時間。
五、「少於 200 個例子」很重要，但不是任何身體都能即插即用
Gemini Robotics On-Device 2 的商業意義，可能比最華麗的人形影片更大。若每換一台機器、相機或夾爪，都要重新收集數萬次示範，foundation model 就沒有規模經濟。DeepMind 稱，On-Device 2 適配新的雙臂機體時，通常使用少於 200 個例子與幾小時的資料／適配時間；公開文件未拆分資料蒐集與實際訓練各需多久。官方 model card 在最高資料點標示，SO101 成功率為 53.3%、Dexmate 為 75.6%，都明顯高於前代。
但「少於 200」有三道邊界：第一，這是 Google 在公告中的第一方說法，公開圖表的 x 軸是每項任務平均資料小時數，沒有逐點列出 example 數，外部無法由圖表核對這個計數；第二，它描述的是雙臂機體適配，不是任意移動人形機器人；第三，適配後的 53.3% 或 75.6% 代表資料效率進步，不等於量產可靠度。
“The Gemini Robotics On-Device model is limited in its ability to generalise to out of distribution tasks as well as controlling high-degree-of-freedom robots.”
中文：「Gemini Robotics On-Device 對分布外任務的泛化，以及高自由度機器人的控制能力，仍然有限。」
— Gemini Robotics On-Device 2 Model Card
官方 model card還把評估範圍寫得更清楚：主要是站立式雙臂操作，移動平台與全身控制風險不在目前範圍。Trusted Testers 取得的 On-Device 2 checkpoint 可透過官方 SDK 部署到本地運算主機推論；ER 2 對一般開發者的公開使用路徑則是 AI Studio／Gemini API。官方 SDK 公開記錄的一條適配流程包含上傳資料、提出訓練／微調請求，再下載 checkpoint。官方資料目前只足以確認低階 VLA 可本地推論，未證明 ER＋VLA 的端到端 agent stack，或從資料到訓練、部署的完整生命週期，都能離線完成。
六、安全 benchmark 有進展，但不能替代功能安全
DeepMind 這次也發布 ASIMOV-Agentic，測試 agent 是否會拒絕不安全指令、由立體影像估計人員距離、正確處理由外部監控器注入的結構化安全告警、判斷 VLA 能不能完成某個動作，以及在指令或場景含糊時主動詢問人類。這些都是具身 agent 真正需要的新安全層。
但公司自己的安全技術報告也給了最強的反方：
“This work does not evaluate the underlying functional safety architecture … necessary to safely execute those decisions in a compliant physical deployment.”
中文：「這項工作沒有評估合規實體部署所需的底層功能安全架構。」
— Gemini Robotics 2: Safety Evaluations
- 會說安全，不等於會安全地動。在 ASIMOV-Agentic 的安全指令遵循內部測試中，ER 2 的文字分類準確率為 98%，可執行 VLA tool-call 模式則是 89.1%。
- 人員距離偵測有明顯 trade-off。在 Google 的離線 agentic proximity 評估中，多個 frontier model 的假陽性率壓到 5% 以下時，假陰性率超過 40%；把假陰性率壓到約 10%–15% 時，評估樣本中的假陽性率則約為 15%–25%。
- 真實車庫測試仍是內部受控環境。報告稱人員偵測 99%、轉入安全姿態 96%，但沒有列出試驗分母、停止距離、延遲或信賴區間。
- 確定性的底層保護仍不可少。急停、速度與力限制、避碰、平衡控制、認證硬體、冗餘與即時保證，不能由一個語意 benchmark 取代。
所以「AI 更懂安全」與「機器人可以安全量產」之間，還隔著整套控制工程與認證。這不是唱衰，而是物理世界的底線：約 90% 的語意／工具呼叫準確率可以是有用的上層訊號，卻不能當成實體保護動作有 90% 可靠度；後者還取決於感測、低階控制器、停止距離與功能安全硬體。
七、AlphaLab 的判讀：這是控制範圍突破，不是可靠度突破
判讀一：Google 真正推進的是「整合廣度」
全身 VLA、多機器人、具身推理與跨機體 transfer 都有先例。Gemini Robotics 2 的價值，是 Google 把這些方向放進同一模型家族，並示範 ER 2 透過工具介面協調 VLA 與機器人 API；這是一個平台方向，但公開資料尚未證明三個模型共享單一通用介面。這種整合不如「全球首創」聳動，卻更接近平台會產生的長期槓桿。
判讀二：最值得興奮的是 action space 變大
前代 Gemini 的人形展示主要停在上半身桌面任務，現在模型開始把腳、軀幹、雙手與手指一起納入決策。這是明確、可觀察的能力擴張。即使成功率還不高，能做與完全不能做之間，仍然是一道重要門檻。
判讀三：真正的產品瓶頸已從資料量移到失敗成本
若 Google 所稱的少於 200 個例子能在外部部署重現，它有望降低新雙臂機體的資料蒐集負擔，這很可能是最有商業價值的進步；官方尚未公布完整適配成本。而在 model card 展示的最高資料點，SO101 的內部成功率仍為 53.3%。下一個瓶頸就變成：誰來監看、失敗一次損壞什麼、恢復要多久、一天能完成多少有效工作。企業最後買的不是「會動的模型」，而是可預測的 throughput。
判讀四：「腦」公開、「肌肉」封閉，外部驗證因此不對稱
ER 2 已能透過 API 測試，但旗艦 VLA 是 private preview，On-Device 2 只給 Trusted Testers。外界可以驗證影片理解、規劃與 tool calling，卻很難重現官方的全身與多指成功率。下一個真正有說服力的里程碑，不是更多精選影片，而是早期合作夥伴公布 repeated trials、介入率、失敗分類與部署經濟。
判讀五：我同意什麼，我存疑什麼
我同意：Google 的展示顯示，Gemini Robotics 2 把 Gemini 家族的控制邊界從桌面大幅推向全身，也開始觸及長序列與跨機器協作；後兩項仍缺量化可靠度。DeepMind 願意公開 32%–44% 這類不漂亮數字，也比只放成功 demo 更有價值。
我存疑：「general-purpose physical AI」「human-level dexterity」與「通往實體世界 AGI」仍走在證據前面。當 Google 的 physical-agent 內部評估中 real-VLA 模式 success rate 是 60%、地面取物是 45.7%，而本次安全報告又明說未評估底層功能安全架構時，合理結論是研究系統跨過了新的能力門檻，不是通用機器人已經準備進入家庭或大規模工廠。
八、接下來該追哪些數字？
如果你是開發者，可以先從公開 preview 的 ER 2 測試影片理解、進度追蹤與工具編排；如果你在評估機器人供應商，則不要讓一支漂亮影片替代下面六個問題：
- 同一任務跑 100 次，端到端成功率是多少？
- 每小時需要幾次人類介入、reset 或遠端接管？
- 失敗後能偵測並恢復的比例是多少？平均多花多久？
- cycle time、每小時產出與耗能，相較專用自動化是否划算？
- 新機體在 0、25、50、100、200 個例子時的完整 adaptation curve 是什麼？
- 哪一層負責碰撞、平衡、力控、急停與認證，AI 失效時如何降級？
這六個數字，會決定 Gemini Robotics 2 是一個令人驚豔的研究能力，還是一個能創造可重複經濟價值的平台。
📚 延伸閱讀
- FLUX 3 深度解讀：同一骨幹碰到機器人，就等於世界模型嗎？
- 人形機器人投資熱潮：硬體越便宜，機器人股為何可能越危險？
- Tesla App 與 Optimus：從遙控器到 AI 控制平面
- 你剛雇用了一百萬名爛員工：AI 代理人為什麼比人還難管
- Robotaxi 路線之爭：從漂亮 demo 到長尾可靠度
下一次看到人形機器人走路、疊衣或協作，不必急著在「AGI 已到」與「全是行銷」之間二選一。先找成功率、分母、介入率與連續運作時間；當這四個數字開始跨公司、跨機體、跨場景都站得住，physical AI 才真正從能力展示走進基礎設施。