Gemini Robotics On-Device 2
Gemini Robotics On-Device 2 是針對機器人本地運行最佳化的視覺-語言-動作(VLA)模型,旨在支援通用機器人操作。模型架構基於端側 Gemma 模型與 Gemini Robotics 1.5 技術。(deepmind.google) **輸入與輸出:**接收文字指令、影像和以數值表示的機器人本體感測資訊,輸出以數值表示的機器人動作。(deepmind.google) **…
模型發布檔案
彙整模型發布動態,按發布時間瀏覽,探索值得關注的新模型。
Gemini Robotics On-Device 2 是針對機器人本地運行最佳化的視覺-語言-動作(VLA)模型,旨在支援通用機器人操作。模型架構基於端側 Gemma 模型與 Gemini Robotics 1.5 技術。(deepmind.google) **輸入與輸出:**接收文字指令、影像和以數值表示的機器人本體感測資訊,輸出以數值表示的機器人動作。(deepmind.google) **…
Gemini Robotics ER 2 Streaming Preview 是面向機器人具身推理的視覺語言模型端點,針對透過 Gemini Live API 進行低延遲、即時文字串流而最佳化,屬於公開預覽版。(aistudio.google.com) 支援文字、圖片、影片和音訊輸入,輸出文字;支援雙向串流、函式呼叫、搜尋參照及思考。輸入上限為 131,072 個 token,輸出上限為 65,5…
Gemini Robotics ER 2 Preview 是面向機器人的具身推理視覺語言模型預覽版,基於 Gemini 3.5 Flash,旨在提供空間、時間與物理環境推理。Google 於 2026 年 7 月 30 日宣布公開預覽。(aistudio.google.com) 接受文字、圖片、影片及音訊輸入,輸出文字;輸入上限為 131,072 tokens,輸出上限為 65,536…
Gemini Robotics 2 是 Google DeepMind 開發的視覺-語言-動作(VLA)模型,將視覺與語言輸入轉換為機器人動作控制,支援雙臂機器人及人形機器人的全身控制。Google 於 2026 年 7 月 30 日公布。(deepmind.google) **全身操作:**可協調人形機器人行走、蹲下、伸展及搬運物品;官方示範包括從桌面取物後放入較低層的置物箱。(deepmind…