Gemini Robotics 2 把感知和规划合进一个模型,但把动作控制单独留给了底层
Gemini Robotics 2 的架构逻辑:机器人的感知与规划正在走向合并
Google 在 2026 年 8 月发了 Gemini Robotics 2 系列,分三层:云端 ER 2 负责看懂画面和推理步骤,但只输出文字和函数调用,不直接控制电机;VLA 模型负责把指令变成动作;On-Device 2 直接跑在硬件上。这种拆分不是倒退,是物理世界逼的。大模型跑不了 200 Hz 的高频控制,小模型又塞不进通用常识。
推荐理由:Google 的 Gemini Robotics 2 把感知与规划合并进云端模型,动作控制拆给 VLA 和端侧模型,文中用 200 Hz 控制频率和函数调用不碰电机解释了这种分层为何出现。