模型定位
Gemini Robotics 1.5 是 Google DeepMind 面向机器人物理任务的视觉—语言—动作(VLA)模型,可将视觉信息和自然语言指令转化为机器人运动指令。它不同于同时发布的具身推理模型 Gemini Robotics-ER 1.5。(deepmind.google)
能力与用途
- **感知与动作执行:**结合视觉观察、文本指令和机器人本体感知信息生成动作,用于物体操作和多步骤任务。
- **行动前推理:**可在动作之间进行自然语言推理,分解指令、判断任务进展并提出恢复行为。
- **跨机器人泛化:**通过运动迁移机制学习多种机器人数据;技术报告展示了在 ALOHA、双臂 Franka 和 Apollo 等平台上的控制与技能迁移。
- **协同工作:**可与 Gemini Robotics-ER 1.5 组成智能体系统,由后者负责高层规划和工具调用,本模型执行具体动作。例如,机器人可依据当地规则识别并分类废弃物。(storage.googleapis.com)
限制与获取
- 官方发布时,Gemini Robotics 1.5 向部分合作伙伴提供;当前获取范围未核实。发布时面向开发者的 Gemini API 预览版是另一个模型 Gemini Robotics-ER 1.5,不应将其 API ID 当作本模型的 ID。(deepmind.google)
- 机器人任务并非保证成功。技术报告记录了规划、成功判定和动作执行等失败情形;实际部署仍需针对机器人和环境进行验证,并配置适当的物理安全措施。(storage.googleapis.com)
价格
截至 2026-11-18,未核实到 Gemini Robotics 1.5 本身的官方公开价格、计费币种或输入/输出计费规则;不能将其他 Robotics 模型的 API 价格套用于本模型。官方定价页面:Gemini Developer API 定价。(aistudio.google.com)
发布日期与官方来源
- **发布日期:**2025-09-25。(deepmind.google)
- Google DeepMind 官方公告
- Google DeepMind 技术报告