衡宇 發(fā)自 凹非寺鑫配資
量子位 | 公眾號 QbitAI
全球首個(gè)具備模擬推理能力的具身模型來(lái)了！
谷歌DeepMind正式發(fā)布新一代通用機器人基座模型——Gemini Robotics 1.5系列。
它不止于對語(yǔ)言、圖像進(jìn)行理解，還結合了視覺(jué)、語(yǔ)言與動(dòng)作（VLA），并通過(guò)具身推理（Embodied Reasoning）來(lái)實(shí)現“先思考，再行動(dòng)”。
這一系列由兩大模型組成：
Gemini Robotics 1.5（GR 1.5）：負責動(dòng)作執行的多模態(tài)大模型； Gemini Robotics-ER 1.5（GR-ER 1.5）：強化推理能力，提供規劃與理解支持。其中，ER代表“具身推理”。
這意味著(zhù)GR-ER 1.5是全球首個(gè)具備模擬推理能力的具身模型。
展開(kāi)剩余92%不過(guò)，GR-ER 1.5并不執行任何實(shí)際操作，GR 1.5正是為執行層而生。
兩者結合，能讓機器人不僅完成“折紙、解袋子”這樣的單一動(dòng)作，還能解決“分揀深淺色衣物”甚至“根據某地天氣自動(dòng)打包行李”這種需要理解外部信息、分解復雜流程的多步任務(wù)。
甚至，它能根據特定地點(diǎn)的特定要求（比如北京和上海的不同垃圾分類(lèi)標準），自己上網(wǎng)搜索，以幫助人們完成垃圾分類(lèi)。
而且用上GR 1.5系列的模型，還能夠在多種不同的機器人之間進(jìn)行能力的零樣本跨平臺遷移。
Unbelivable～
毫不夸張地說(shuō)，這是谷歌繼Gemini 2.5之后，又一個(gè)將通用AI推向現實(shí)世界的重要里程碑。
哈斯比斯也激動(dòng)表示：
GR 1.5以多模態(tài)Gemini為基礎，展示了其能夠理解并推理物理世界的強大功能。
未來(lái)機器人將變得至關(guān)重要——我們對這項開(kāi)創(chuàng )性工作感到非常興奮！
GR 1.5以多模態(tài)Gemini為基礎，展示了其能夠理解并推理物理世界的強大功能。
未來(lái)機器人將變得至關(guān)重要——我們對這項開(kāi)創(chuàng )性工作感到非常興奮！
先來(lái)看一段視頻——
我們來(lái)把GR 1.5系列在發(fā)布中展示的能力，總結為五個(gè)關(guān)鍵詞：
執行復雜長(cháng)程任務(wù)，中間還能自我檢測并修正
不僅限于一次抓取、一次搬運，GR 1.5能執行包含多步子任務(wù)的長(cháng)流程。
比如：
把不同顏色的衣服分類(lèi)；
從衣柜取出雨衣，再打包進(jìn)行李箱；
在廚房完成配料準備，甚至嘗試烹飪流程。
把不同顏色的衣服分類(lèi)；
從衣柜取出雨衣，再打包進(jìn)行李箱；
在廚房完成配料準備，甚至嘗試烹飪流程。
在GR 1.5這里，任務(wù)被分解成多個(gè)階段，機器人逐一完成。
更重要的是，在執行任務(wù)的過(guò)程中，GR 1.5能檢測成功與否，并自動(dòng)修正。
適配多種機器人硬件
同一個(gè)模型，既可以驅動(dòng)低成本雙臂機器人ALOHA，還可以驅動(dòng)工業(yè)級Franka，還可以驅動(dòng)人形機器人Apollo。
一整個(gè)絲滑無(wú)縫遷移使用。
這意味著(zhù)，不需要針對每個(gè)平臺單獨訓練，一個(gè)通用模型就能上手不同團隊、不同形態(tài)的多種硬件。
跨機器人遷移鑫配資
谷歌DeepMind機器人部門(mén)負責人Carolina Parada表示：
如今的機器人高度定制化，部署困難，往往需要數月時(shí)間來(lái)安裝一個(gè)只能執行單一任務(wù)的單元。
如今的機器人高度定制化，部署困難，往往需要數月時(shí)間來(lái)安裝一個(gè)只能執行單一任務(wù)的單元。
轉觀(guān)GR 1.5系列，這個(gè)模型在A(yíng)LOHA上學(xué)會(huì )的技能，可以直接遷移到Franka；在Franka上訓練的操作，能零樣本轉移到Apollo。
這背后的關(guān)鍵在于Motion Transfer技術(shù)（詳細介紹見(jiàn)后文），使機器人不再局限于“誰(shuí)教誰(shuí)用”，而是真正形成跨平臺的通用動(dòng)作理解。
推理型具身模型
如前文介紹，GR-ER 1.5是一個(gè)具身推理模型。
這使得GR 1.5系列加持下的機器人在行動(dòng)前，會(huì )在內心生成一段內心獨白。
它會(huì )先用自然語(yǔ)言把復雜任務(wù)拆解為小步驟，再逐一執行。
這種顯性思考不僅讓機器人更穩健，也讓人類(lèi)可以清晰看到它的思考過(guò)程，提升了可解釋性。
GR 1.5系列的兩款模型協(xié)同工作，共同推理思考如何完成任務(wù)。
如下圖展示：
安全可解釋
在演示中，研究人員展示了GR 1.5系列加持下的機器人，在操作中如何自我修正：
比如抓起水瓶失敗后，立刻轉換方案，用另一只手完成任務(wù)。
同時(shí)，模型還能識別潛在風(fēng)險，避免危險動(dòng)作，確保在人類(lèi)環(huán)境中運行時(shí)的安全性。
提出全新“Motion Transfer”機制
Gemini Robotics 1.5最大的突破，在于實(shí)現了“規劃+執行”的完整閉環(huán)。
前面我們已經(jīng)提到過(guò)，這一系列由兩大模型組成：
GR 1.5：VLA模型，專(zhuān)注將語(yǔ)言/視覺(jué)輸入轉化為動(dòng)作輸出。
GR-ER 1.5：強化推理的Vision-Language模型，負責高層規劃、工具使用與進(jìn)度監控。
GR 1.5：VLA模型，專(zhuān)注將語(yǔ)言/視覺(jué)輸入轉化為動(dòng)作輸出。
GR-ER 1.5：強化推理的Vision-Language模型，負責高層規劃、工具使用與進(jìn)度監控。
兩款模型都基于Gemini基礎模型構建而來(lái)，但已使用適應物理空間操作的數據進(jìn)行微調。
其中，前者是執行者，能夠直接把自然語(yǔ)言和視覺(jué)輸入轉化為低層級的機器人動(dòng)作。
后者是大腦指揮官，負責理解復雜任務(wù)、做出高層規劃，并在必要時(shí)調用外部工具、監控任務(wù)進(jìn)度。
二者組合成一個(gè)Agentic Framework，讓機器人不僅能聽(tīng)懂指令，還能思考如何完成并執行到底，以此實(shí)現“規劃+執行”的閉環(huán)。
支撐這一體系的，是GR 1.5系列龐大而多樣化的數據來(lái)源。
一方面，團隊采集了大量真實(shí)機器人在A(yíng)LOHA、Franka、Apollo等平臺上完成的成千上萬(wàn)種操作數據。
另一方面，數據集中還引入了互聯(lián)網(wǎng)中的文本、圖像與視頻信息，確保模型既擁有來(lái)自現實(shí)的動(dòng)作經(jīng)驗，具備廣泛的語(yǔ)義與世界知識。
要真正讓不同形態(tài)的機器人共享技能，單靠數據還不夠。
為此，研究團隊提出了全新的Motion Transfer機制。
Motion Transfer的核心思路，是把不同機器人平臺的運動(dòng)軌跡和操作經(jīng)驗，映射到一個(gè)統一的動(dòng)作語(yǔ)義空間中。
這樣一來(lái)，看似完全不同的硬件——比如機械臂與人形機器人——在模型眼中就有了共通語(yǔ)言，于是能把不同機器人平臺的動(dòng)作映射到一個(gè)統一的表示空間，使得GR 1.5系列具備操作經(jīng)驗跨機器人遷移的能力。
更重要的是，Motion Transfer不只是做簡(jiǎn)單的對齊，它還結合了跨平臺的大規模數據。
它“提煉”出了物理世界的通用規律：
物體怎么被抓住、怎樣保持平衡、不同環(huán)境下動(dòng)作要如何調整……以此增強任務(wù)泛化和跨機器人遷移測試的能力和水平。
同時(shí)，在訓練過(guò)程中，大約九成以上的迭代都在MuJoCo仿真環(huán)境中完成，模型先在虛擬世界里快速試錯、迭代，再遷移到真實(shí)機器人進(jìn)行驗證。
這樣一來(lái)，不僅顯著(zhù)提升了研發(fā)效率，也保證了在現實(shí)硬件上執行時(shí)的穩定性與安全性。
三大核心創(chuàng )新，還不犧牲安全性
研究團隊提出，GR 1.5系列的核心價(jià)值，在于同時(shí)實(shí)現了三個(gè)方面的創(chuàng )新與突破。
最引人注目的，是它讓機器人具備了思考推理的能力。
在傳統的模型中，動(dòng)作往往是對指令的直接映射，而 GR 1.5 在行動(dòng)前會(huì )先生成一段思考軌跡，把復雜任務(wù)拆解成小步驟，再逐一執行。
這種顯性推理不僅讓機器人在多步任務(wù)中更穩健，還讓研究人員和用戶(hù)能夠直接看到它的思考過(guò)程，增強了可解釋性和信任感。
另一項突破是跨平臺的技能遷移。
過(guò)去，機器人學(xué)習往往被局限在某一特定平臺上，數據難以復用。
但GR 1.5系列在引入Motion Transfer機制后，把不同機器人之間的動(dòng)作經(jīng)驗抽象到統一空間，使得在機器人甲身上學(xué)到的技能，可以直接遷移到機器人乙身上——甚至在未見(jiàn)過(guò)的新環(huán)境中也能順利執行。
這意味著(zhù)機器人不再被硬件形態(tài)束縛，而是能夠共享整個(gè)生態(tài)的知識與經(jīng)驗。
與此同時(shí)，具身推理模型GR-ER 1.5把“理解物理世界”的能力推向了新高度。
它不僅能進(jìn)行空間理解和任務(wù)規劃，還能實(shí)時(shí)評估任務(wù)進(jìn)度，識別潛在風(fēng)險，甚至在復雜場(chǎng)景中做出類(lèi)似人類(lèi)的推斷與修正。
在學(xué)術(shù)基準測試中，GR-ER 1.5在空間推理、復雜指點(diǎn)、進(jìn)度檢測等任務(wù)上全面超越了GPT-5和Gemini 2.5 Flash，刷新了業(yè)界的表現上限。
研究團隊還對GR 1.5系列做了更多評測：
在230項任務(wù)的基準測試中，GR 1.5在指令泛化、動(dòng)作泛化、視覺(jué)泛化和任務(wù)泛化四個(gè)維度上都表現出色，明顯優(yōu)于前代模型。
在長(cháng)時(shí)序任務(wù)上，結合GR-ER 1.5的系統，任務(wù)完成進(jìn)度分數最高接近80%，幾乎是單一VLA模型的兩倍。
尤其值得注意的是，在跨機器人遷移測試中，模型展現出了前所未有的零樣本遷移能力。
更關(guān)鍵的是，這種強大性能并沒(méi)有以犧牲安全為代價(jià)。
如下圖數據顯示，GR 1.5 在A(yíng)SIMOV-2.0安全基準中表現出更高的風(fēng)險識別與干預能力，能夠理解動(dòng)作背后的物理風(fēng)險，并在必要時(shí)觸發(fā)保護機制。
配合自動(dòng)紅隊測試的持續打磨，模型在抵御對抗攻擊、避免幻覺(jué)響應等方面也展現出更強魯棒性。
One More Thing
讓我們簡(jiǎn)單回溯一下——
今年3月，谷歌首次推出了讓機器人擁有多模態(tài)理解能力的Gemini Robotics系列；6月，又推出了Gemini Robotics On-Device，這是一個(gè)針對快速適配和機器人硬件上穩健靈巧性進(jìn)行優(yōu)化的本地版本。
Parada表示，隨著(zhù)這次更新，GR系列正從執行單一指令轉向對物理任務(wù)進(jìn)行真正的理解和解決問(wèn)題。
But！
噔噔噔，最后敲個(gè)黑板：
目前，開(kāi)發(fā)者已經(jīng)可以通過(guò)Google AI Studio中的Gemini API使用GR-ER 1.5，而GR 1.5只供少數谷歌DeepMind的合作伙伴使用。
等等黨們，看來(lái)還要再等等等等等一會(huì )了……
參考鏈接：
[1]https://x.com/demishassabis/status/1971292365592854602?s=46&t=fzKJptGJMpr-yj3MUXd6HA
[2]https://arstechnica.com/google/2025/09/google-deepmind-unveils-its-first-thinking-robotics-ai/
[3]https://www.theverge.com/news/785193/google-deepmind-gemini-ai-robotics-web-search
[4]https://the-decoder.com/google-deepmind-brings-agentic-ai-capabilities-into-robots-with-two-new-gemini-models/鑫配資
發(fā)布于：北京市久聯(lián)優(yōu)配提示：文章來(lái)自網(wǎng)絡(luò )，不代表本站觀(guān)點(diǎn)。
相關(guān)文章
滬深京行情 實(shí)時(shí)輪播
熱點(diǎn)資訊
