# Google DeepMind 的新模型能一次性指挥机器人的全身关节

> 原标题：Google DeepMind’s new AI model can control a robot’s entire body

- 来源：The Verge · AI
- 发布时间：2026-07-30T17:18:45.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/47805
- 原文：https://www.theverge.com/tech/973276/google-deepmind-gemini-robotics-2-whole-body

## 摘要

Gemini Robotics 2 是个能看图直接输出全身动作指令的模型，不再只控制一条胳膊。在演示里，Apptronik 的 Apollo 2 机器人从架子上取棒球手套，从手指到脚底的动作是协同完成的。为了让动作看起来更自然，Google 说他们用了 1,040 组偏好样本做对齐——这个量不算大，我会先打个折，别指望它马上就能像人一样丝滑。目前还关在...

## 推荐理由

Google DeepMind 把机器人控制从单臂扩展到了全身协调，Apptronik Apollo 2 的演示里从手指到脚底的动作是连贯的，还给出了 1,040 组偏好样本做对齐这个具体数字。没给 p1 是因为现在还关在实验室里，没有公开测试或部署时间表，真实世界的泛化能力没法验证。

## 锐评

Gemini Robotics 2 把机器人控制从单条胳膊升级到了全身关节协同，演示里 Apollo 2 从架子上取棒球手套时，手指和脚底的动作是一起算出来的。这比之前只控末端（比如夹爪）的方案进了一步，相当于模型直接输出全身关节指令，而不是先规划路径再让传统控制器执行。

Google 说为了让动作看起来更自然，用了 1,040 组偏好样本做对齐——这个量在机器人领域不算大，我会先打个折，别指望它马上像人一样丝滑。偏好样本的思路类似“用人类打分教模型选更好的动作”，但样本少意味着能覆盖的场景和动作风格很有限，换一个任务或环境，动作可能就僵了。

目前所有演示都在实验室里，正文没披露商业化时间表、定价，也没说模型跑在什么硬件上、延迟多少。这些缺口让“全身控制”的实用性还很难判断——是能实时跑在机器人本体上，还是需要云端算力撑着，差别很大。