# 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

> 原标题：Gemini Robotics 2 的架构逻辑：机器人的感知与规划正在走向合并

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-08-09T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/49733
- 原文：https://yage.ai/share/gemini-robotics-2-architecture-merge-20260809.html

## 摘要

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。

## 锐评

把感知和规划放云端、动作控制留给端侧，这个分工是对的，200 Hz 的控制频率大模型根本跑不动，硬塞进去只会让机器人变慢。

麻烦在延迟，云端推理再快也要几百毫秒，端侧模型得自己扛住实时性，中间这个接口怎么定才是难点。Google 把函数调用和电机控制切开，云端模型在物理世界里只能当参谋，这个位置先摆正了，后面才好谈。
