Google Gemini Robotics ER 2：機器人邁向「高階大腦」時代，精準度提升57.4%

一句話總結：Google 推出 Gemini Robotics ER 2，具備連續影片理解、任務進度追蹤、工具調度及多機器人協作能力，大幅提升機器人在真實世界的應用效能。

核心要點

加入連續影片理解： 能即時掌握任務完成進度，判斷執行過程是否出錯。
任務進度追蹤： 將影片中的每一個畫面依任務完成程度分為 5 個階段，準確率達 57.4%。
關鍵時刻辨識： 準確率達 91.3%，平均時間誤差僅 0.96 秒。
多機器人協作： 不同機器人可共享語意理解能力，共同完成複雜工作。
空間理解能力提升： 包括成功／失敗偵測、儀器讀值及視覺問答。

從產業面來看

Google Gemini Robotics ER 2 的推出，標誌著機器人在真實世界中的應用邁向新的里程碑。連續影片理解能力和多機器人協作功能，不僅提升了機器人的智能水平，更為工業自動化和家庭助手帶來了全新的可能性。未來，我們可以期待看到更多具備「高階大腦」的機器人，成為人類生活中的得力助手。

Google 在 30 日宣布推出 Gemini Robotics ER 2，這款最新模型被視為機器人的「高階大腦」。相較於前一代 Gemini Robotics ER 1.6，新版本加入了多項重要升級，使其在真實世界的應用中更加高效和智能。

其中，最引人注目的突破是連續影片理解（Continuous Video Understanding）能力。過去，機器人大多只能分析單張影像，而 Gemini Robotics ER 2 可以持續觀看攝影機畫面，即時掌握任務完成進度，判斷執行過程是否出錯，並決定是否需要重新嘗試或進入下一個步驟。

為了更精確地掌握工作進度，Gemini Robotics ER 2 新增進度分類功能，將影片中的每一個畫面依任務完成程度分為 0 至 20%、20 至 40%、40 至 60%、60 至 80% 及 80 至 100% 等階段。官方測試顯示，Gemini Robotics ER 2 在進度分類任務中的準確率約 57.4%，優於前一代模型。

另一項重要升級是關鍵時刻辨識（Moment Finding），可找出影片中任務完成的關鍵時間點，例如判斷咖啡何時倒至適當容量、燈泡何時完全鎖緊等。新模型在這項測試中的準確率達 91.3%，平均時間誤差僅 0.96 秒；相較同級大型模型，在維持高準確率的同時，推論速度約快 4 倍，且運算成本更低。

此外，Gemini Robotics ER 2 也正式加入多機器人協作功能。不同類型的機器人各有所長，例如輪式機器人擅長室內導航，人形機器人則更適合跨越崎嶇地形。Gemini Robotics ER 2 可讓不同機器人共享語意理解能力，彼此分工、交接任務，共同完成單一機器人無法獨立處理的複雜工作流程。

Google 展示了與波士頓動力（Boston Dynamics）的合作成果，透過 Gemini Robotics ER 2 整合 Spot 四足機器人的導航 API 與機械手臂控制能力，使用者只需以自然語言下達「幫我拿爆米花」等指令，Spot 便能自主導航、尋找目標物並完成取物。Google 也同步於 GitHub 公開相關範例程式，供開發者參考與應用。

Gemini Robotics ER 2 也全面提升空間理解能力，包括成功／失敗偵測、儀器讀值及視覺問答。在成功／失敗偵測方面，Gemini Robotics ER 2 現在可直接分析原始影片串流，而非僅依賴靜態影像，因此能在任務執行過程中即時偵測液體灑出、物品滑落、對位偏移等失敗情況。

在儀器讀值方面，Gemini Robotics ER 2 已從過去主要支援類比儀表，擴展至可辨識 10 種不同類型的儀器，包括數位顯示器、直尺、線性刻度及液體溫度計等，可因應更多工業場域的檢測需求。

在視覺問答方面，受惠於 Gemini 多模態理解能力的提升，機器人能更準確理解複雜的視覺資訊，並回答與空間環境相關的問題。

在安全性方面，Gemini Robotics ER 2 在人員接近偵測及安全指令遵循兩項測試中，表現均優於前一代模型。舉例來說，當有人靠近機器人時，系統能自動停止作業、持續監測周遭環境，並在確認人員離開後自主恢復工作。

Google 同時推出全新的安全評估基準，檢驗 AI 是否具備執行安全限制、持續監控環境、判斷動作是否符合物理可行性，以及在必要時主動向人類尋求確認等能力，進一步提升未來具身 AI（Embodied AI）的安全性。

Gemini Robotics ER 2 已通過 Gemini API（可於 Google AI Studio 使用）開放開發者；企業版則以 Private Preview 形式於 Gemini Enterprise Agent Platform 提供。