Gemini Robotics ER 2：Google DeepMind 的具身推理機器人大腦，解析

Google DeepMind 的Gemini Robotics ER 2——於 2026 年 7 月 30 日以公開預覽形式發布——是一個專門的視覺語言模型，旨在成為機器人的高階「大腦」。「ER」代表 Embodied Reasoning（具身推理）：ER 2 不會直接驅動馬達，而是感知並理解物理世界，進行空間與時間的推理，規劃多步驟任務，調度工具，並協調多台機器人。它也提供即時串流版本，以實現低延遲的互動控制。本指南說明 ER 2 是什麼、它與直接控制模型有何不同、相較於 ER 1.6 有哪些新功能，以及它的定位——並附上各項能力的來源。

準確性說明：效能、可用性與安全性聲明來自 Google DeepMind 的公告及 Gemini API 變更日誌（2026-07-30）。機器人技術基準測試仍屬早期階段，且由廠商自行報告；定價遵循標準 Gemini API 計費方式，具體細節尚未公布。相關資訊可能隨時變動——請在開發前先行查證。

TL;DR。Gemini Robotics ER 2 是一個具身推理視覺語言模型（VLM），可充當機器人的規劃與感知大腦：影片理解、空間推理、多步驟工具編排、影片時刻定位、進度追蹤、多機器人協調與自我修正，並提供串流版本以支援即時雙向影音互動。它可透過 Gemini API（code>gemini-robotics-er-2-preview/code> 和 code>gemini-robotics-er-2-streaming-preview/code>）以及 Google AI Studio 取得，目前為封閉預覽。Google 將其定位為迄今最安全的機器人模型，在多機器人協調與進度追蹤方面較 ER 1.6 有顯著提升。它是一個推理層，而非低階致動器控制器。

關鍵要點

• 具身推理（ER）：ER 2 是高層級的感知與規劃大腦，而非直接的馬達控制器（那是獨立的 VLA/裝置端產品線）。

• 核心技能：影片理解、空間推理、多步驟工具編排、影片時刻定位、進度分類、多機器人協調、自我修正。

• 串流版本：code>gemini-robotics-er-2-streaming-preview/code> 新增低延遲、雙向的影音互動，以實現即時控制與對話。

• 安全第一：Google 將 ER 2 定位為其在安全約束遵循與人體接近性方面最安全的機器人模型，並在 ASIMOV2 基準測試中取得進展。

• 可用性：Gemini API + Google AI Studio（公開預覽）；Enterprise Agent Platform 尚在私人預覽階段；VLA／裝置端模型僅限早期合作夥伴。已關閉。

「具身推理」是什麼意思

現代機器人技術堆疊日益分化為兩個層次。高層級的推理大腦理解場景、決定要做什麼並進行規劃；低層級的行動模型則將規劃轉化為精確的馬達指令。Gemini Robotics ER 2 是第一層：一個具身推理的視覺語言模型。它接收影片（以及音訊和文字），建立對物體、空間和隨時間進展的理解，並輸出規劃和工具呼叫——包括呼叫 Google Search 等外部工具——供獨立的行動系統或人類執行。換句話說，ER 2 是機器人中負責思考的部分，而不是負責動作的部分；Google 的直接控制視覺語言行動（VLA）模型和裝置端模型是另一條產品線，目前僅限於早期合作夥伴使用。

ER 2能做什麼

Google 描述了一套廣泛的具身推理技能組合。ER 2 能理解影片並定位其中的特定時刻（「杯子何時掉落？」）、推理 3D 空間與物體之間的關係、分類任務進度（步驟已完成、部分完成或失敗？），並編排多步驟的工具使用以達成目標。它能與人對話、規劃橫跨數分鐘的任務、在出錯時自我修正，而且——值得注意的是——能協調多個機器人協同工作。這些正是機器人在雜亂、真實的環境中運作所需的能力，而非照本宣科的示範。

串流變體：即時互動

除了標準預覽版之外，Google 還推出了code>gemini-robotics-er-2-streaming-preview/code>，該模型針對低延遲的雙向音訊與視訊進行最佳化。這對具身（embodied）應用至關重要：機器人必須持續感知、推理並回應，而非以緩慢的請求—回應回合運作。串流模型能實現即時互動——觀看即時畫面、與人交談、臨場調整計畫——這對互動式助理、遠端操作支援及動態多步驟任務都不可或缺。

與 ER 1.6 相比的新功能

ER 2 較 Gemini Robotics ER 1.6 明顯更上一層樓。Google 強調其多機器人協調與任務進度追蹤能力顯著提升、多步驟工具編排更為強大，且安全行為也有所改善。在安全層面，Google 將 ER 2 定位為迄今最安全的機器人模型，指出其在遵守安全限制與人體近距離行為上有所改善，並在 ASIMOV2 安全基準測試中取得進步。對於正在建置實際部署的團隊而言，協調能力、進度追蹤與安全性的改善是最重要的升級。

安全與評估

安全是 ER 2 定位的核心。Google 報告指出，它在安全約束遵循度，以及其行為與人類對周遭人士的安全性判斷的貼合程度方面領先，並在 ASIMOV2（一個以安全為導向的機器人基準）上取得了更好的分數。由於機器人是在實體世界中運作，這些安全屬性遠比對聊天機器人更為重要——一個規劃錯誤可能造成實際傷害。如同任何供應商的基準，請將具體數據視為初步且具方向性的參考；獨立的機器人評測仍在發展成熟中。

供應情況與定價

ER 2 可透過 Gemini API 以公開預覽形式使用 — 模型 ID 為 code>gemini-robotics-er-2-preview/code> 與 code>gemini-robotics-er-2-streaming-preview/code> — 並可在 Google AI Studio 中使用。Enterprise Agent Platform 整合目前為私人預覽，而直接控制的 VLA 與裝置端模型仍僅限早期合作夥伴使用。此服務已關閉。計價遵循標準的 Gemini API 計費；Google 並未在推出時發布機器人專用費率。請參閱 Gemini API 文件，確認目前的使用權限與費用。

ER 2 適用的三個情境

1. 倉儲與物流機器人

空間推理、進度追蹤和多機器人協調適合揀選與放置、分類及車隊任務，這些任務需要機器人理解場景並相互合作。

2. 互動式輔助機器人

串流變體的即時影音互動，使機器人得以觀看、聆聽、對話，並與人共同規劃長達數分鐘的任務。

3. 檢查與監控

影片理解與時機定位，使 ER 2 在分析即時或錄製的影像串流時非常實用——可用於偵測事件、分類狀態，以及標記進度或失敗。

它如何融入更廣泛的 AI 技術棧

Gemini Robotics ER 2 是透過 Google Gemini API 存取的專業機器人模型，而非通用型 LLM——所以它不是一般模型路由器會代管的東西。針對圍繞機器人的應用程式中的通用語言與多模態部分——自然語言介面、推理、編排、分析——採用供應商中立的端點能讓您保有選擇彈性：a href="https://www.orcarouter.ai/">OrcaRouter/a> 提供一個 OpenAI 相容的端點，涵蓋眾多文字與多模態 LLM（包括 Google 的通用 Gemini 模型），而 ER 2 的具身控制則透過 Google 專用的機器人 API 執行。這種分工很自然：將專門的機器人大腦用於具身控制，其餘一切則使用供應商中立的端點。

限制與注意事項

ER 2 是一個推理/規劃層，而非即裝即用的機器人——你仍然需要一個動作系統（Google 的 VLA/裝置端模型，僅限合作夥伴使用，或是你自己的系統）來實際執行計劃。它目前是封閉預覽狀態，因此可用性和行為可能隨時變更，定價細節也尚未公開。其基準測試與安全性聲明皆為供應商自行報告，且仍屬早期階段；獨立的機器人評估體系尚不成熟。此外，具身部署承擔著遠超軟體測試的現實世界安全責任。請將它視為一個用於快速原型開發的強大預覽版本，而不是已完成的量產級控制器。

常見問題

Gemini Robotics ER 2 是什麼？

Google DeepMind 的具身推理視覺語言模型——機器人的高層感知與規劃大腦——於2026年7月30日公開預覽發布，並提供即時串流變體。

ER 2 是否直接控制機器人馬達？

不。ER 2 是推理/規劃層；直接馬達控制由獨立的視覺-語言-動作（VLA）模型和裝置端模型處理，目前僅限於早期合作夥伴。

ER 2 能做什麼？

影片理解與時刻定位、空間推理、多步驟工具編排、進度分類、多機器人協調、自我修正，以及即時互動（串流變體）。

ER 2 與 ER 1.6 有何不同？

Google 報告在多機器人協調與進度追蹤方面表現更佳、工具編排能力更強，安全性也有所提升——包括在 ASIMOV2 安全基準上的進展——使 ER 2 成為其迄今最安全的機器人模型。

我該如何存取 Gemini Robotics ER 2？

透過 Gemini API（code>gemini-robotics-er-2-preview/code>、code>gemini-robotics-er-2-streaming-preview/code>）和 Google AI Studio，以封閉公開預覽的形式提供。計費方式遵循標準的 Gemini API 計費。

ER 2 對真實機器人安全嗎？

Google將其定位為在安全約束遵循與人類 proximity 方面最安全的機器人模型，但具身部署承擔著真實世界的安全責任；應將安全聲明視為初期成果，並進行嚴格驗證。

底線

Gemini Robotics ER 2 是具身人工智慧的一大進展：一個以安全為核心的推理大腦，讓機器人能够理解影片、推理空間與時間、規劃長達數分鐘的任務、與其他機器人協調，並透過其串流變體即時互動。它是一個規劃層，而非馬達控制器，而且目前是早期封閉預覽，搭配廠商回報的基準測試——但相較於 ER 1.6，其在協調、進度追蹤與安全性方面的提升意義重大。你可以透過 Gemini API 進行具身原型開發，並透過像 OrcaRouter 這樣的端點，讓堆疊中的一般語言/多模態部分保持廠商中立。