Google 发布 Gemini Robotics 2.5 视觉-语言-动作模型
自动整理 · 基于采集摘要,未逐条核验
本站整理于
事件要点
Google 发布 Gemini Robotics 2.5,称其为迄今最强的视觉-语言-动作(VLA)模型。该模型提升了机器人可学习技能的广度和学习速度,帮助机器人走出实验室进入真实世界环境,目前已开始向其机器人合作伙伴推送。
相关背景
Gemini Robotics 是什么?机器人动作模型与具身推理的分工
Gemini Robotics 是 Google DeepMind 面向实体机器人的模型家族。视觉语言动作模型把视觉与语言输入转换为动作控制,ER 具身推理模型侧重理解空间并安排步骤。截至2026年11月11日,官方模型页列出 Robotics 2.5、ER 2 和 On-Device 2。实际控制机器人还需要适配设备接口与传感器。
Gemini是什么:多模态模型与应用功能的区别
Gemini是Google的生成式AI模型家族,具体版本可处理文字与多种媒体输入;Gemini Apps则是用户直接对话和上传文件的应用。多模态必须分别说明输入类型和生成内容。例如Gemini 4 Argon支持音视频输入,但输出为文本,不能把“理解视频”直接理解成“生成视频”。需要本地权重的读者,还应区分另一个家族Gemma。
阅读说明
事件要点来自采集摘要;相关背景引用本站已有资料,帮助理解术语,不作为本次事件的新事实。产品效果、适用条件及后续变化请查看原始资料。
原文来源
来源与采集进展
| 来源 | 报道标题 | 原文发布时间 | 本站收录时间 |
|---|---|---|---|
| x.com | Google 发布 Gemini Robotics 2.5 视觉-语言-动作模型 | 2026-11-12 00:08 | 2026-11-12 00:32 |