谷歌Gemini Robotics 1.5发布：跨本体具身推理处理复杂任务

谷歌DeepMind最新发布了突破性机器人模型Gemini Robotics 1.5系列，该系统通过创新的思维链机制和协同架构设计，大幅提升了机器人在真实环境中的自主决策水平。

双模型协作架构

该系列包含两大核心模型：Gemini Robotics 1.5负责精准执行，Gemini Robotics-ER 1.5专注战略规划，两者构成类似"小脑-大脑"的智能协同体系。

执行层的特点

作为执行主体，Gemini Robotics 1.5是目前最先进的视-言-动一体化模型。其独特优势在于具备具身思维能力：在执行指令前会先以自然语言生成详细的思考过程，将复杂任务分解为可操作的步骤链。比如面对"整理桌面"指令时，会自发规划"物品识别-抓取水杯-移至水槽"等具体动作顺序。这种分步处理模式赋予机器人出色的应变能力，当水杯意外掉落时能立即生成补抓指令。

规划层的突破

Gemini Robotics-ER 1.5在15项学术评测中刷新纪录，空间推理能力超越GPT-5等主流模型。它能有效融合多角度视觉信息，精准响应类似"指向左下方蓝杯"的具体指令，并能持续评估行动效果与目标的匹配程度。

技术实现细节

两大模型均构建在Gemini多模态框架上，共享包含图像、文本及传感器数据的训练资源。数据采集覆盖ALOHA机械臂、Franka双臂系统及Apollo人形机器人等多类型平台，涉及数千种操作场景。为提升泛化性，团队还融入了网络公开的多媒体资源，并利用Gemini模型生成详尽标注。

关键技术突破

创新的动作迁移机制(MT)解决了传统模型需专机专训的痛点。通过建立统一动作表征，实现跨平台零样本迁移，比如让Apollo人形机器人直接应用ALOHA习得的开抽屉技能，无需额外训练。

安全控制体系

研发团队构建了多层次安全保障：上层设置智能决策防护，底层部署避碰子系统，同时推出升级版ASIMOV安全测评体系。新的评测标准增加了边缘场景覆盖和视频评估模式。

开发生态现状

目前Gemini Robotics-ER 1.5开放API调用接口，执行层模型则面向特定合作伙伴开放。技术白皮书详细披露了基于TPUv4/v5p/v6e硬件和JAX框架的训练方案。

行业发展趋势

这类跨平台技术正成为行业标准。值得关注的是，宇树科技最新开源的UnifoLM-WMA-0模型虽架构不同，但同样具备多端适配能力。Gemini Robotics系列展示的类人环境适应力，正在推动机器人通用化发展形成产业共识。