双足机器人Gemini机器人ER 2：DeepMind押注视频原生、多机器人编排

用简单的语言来说。 Google DeepMind 发布了 Gemini Robotics ER 2，将视频理解、任务编排和多机器人协作添加到其具身化堆栈中。从单臂演示到机群级推理的步骤才是真正的新闻，这让 Alphabet 在具身化基础竞赛中明显回归。

适用场景

迄今为止，具身化基础线程主要由三个参与者推动：NVIDIA GR00T、中国的 Xiaomi Robotics-U0（38B，开源）和 X-Square Robot 的主干投注。Alphabet 的 ER 系列一直是潜在竞争者。ER 2 是 DeepMind 重申其仍在竞争中的表现。

技术细节

根据公告，ER 2 强调了三个具体方面：

• 视频理解 - 对序列进行推理，而不仅仅是单帧。这正是长期操作所需的。
• 任务编排 - 将自然语言目标分解为控制器可以执行的子目标。
• 多机器人协作 - 跨多个平台的协调行为。

前两项遵循了自2025年以来行业公开的方向。第三项是差异化所在。协调一个机器人上的两个臂是一个控制问题；协调两个机器人完成一项工作是一个系统问题——共享世界模型、通信、冲突解决。

我们尚未了解的信息

公告没有发布与 GR00T 或 RT-2 在相同任务上的对比基准测试，也没有量化“协作”（延迟、协调范围、故障模式）。在第三方复现之前，将此视为已宣布的能力，而非已证明的能力。

所以呢

对于决策者：这是一个强烈的信号，表明具身化堆栈正在遵循 LLM 模式——一个主干，可适应各种形式因素。相应地为一个市场预算，其中中间件层将折叠为模型调用。对于建设者：观察 API 表面。如果 ER 2 可供 Alphabet 内部机器人团队以外的用户访问，物理自动化的集成点可能在十八个月内发生变化。对于线程：现在明显的分歧是 Google 在顶部推动闭源，而 Xiaomi 的 38B 开源权重（Robotics-U0）在基础层。到2026年底，随着更多中国实验室选择开源权重路线，就像 Xiaomi 所做的那样，这个分歧是否会扩大，是需要关注的故事。