衡宇 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

全球首個(gè)具備模擬推理能力的具身模型來(lái)了！

谷歌DeepMind正式發(fā)布新一代通用機(jī)器人基座模型——Gemini Robotics 1.5系列。

它不止于對(duì)語(yǔ)言、圖像進(jìn)行理解，還結(jié)合了視覺(jué)、語(yǔ)言與動(dòng)作（VLA），并通過(guò)具身推理（Embodied Reasoning）來(lái)實(shí)現(xiàn)“先思考，再行動(dòng)”。

這一系列由兩大模型組成：

• Gemini Robotics 1.5（GR 1.5）：負(fù)責(zé)動(dòng)作執(zhí)行的多模態(tài)大模型；
• Gemini Robotics-ER 1.5（GR-ER 1.5）：強(qiáng)化推理能力，提供規(guī)劃與理解支持。

其中，ER代表“具身推理”。

這意味著GR-ER 1.5是全球首個(gè)具備模擬推理能力的具身模型。

不過(guò)，GR-ER 1.5并不執(zhí)行任何實(shí)際操作，GR 1.5正是為執(zhí)行層而生。

兩者結(jié)合，能讓機(jī)器人不僅完成“折紙、解袋子”這樣的單一動(dòng)作，還能解決“分揀深淺色衣物”甚至“根據(jù)某地天氣自動(dòng)打包行李”這種需要理解外部信息、分解復(fù)雜流程的多步任務(wù)。

甚至，它能根據(jù)特定地點(diǎn)的特定要求（比如北京和上海的不同垃圾分類(lèi)標(biāo)準(zhǔn)），自己上網(wǎng)搜索，以幫助人們完成垃圾分類(lèi)。

而且用上GR 1.5系列的模型，還能夠在多種不同的機(jī)器人之間進(jìn)行能力的零樣本跨平臺(tái)遷移。

Unbelivable～

毫不夸張地說(shuō)，這是谷歌繼Gemini 2.5之后，又一個(gè)將通用AI推向現(xiàn)實(shí)世界的重要里程碑。

哈斯比斯也激動(dòng)表示：

• GR 1.5以多模態(tài)Gemini為基礎(chǔ)，展示了其能夠理解并推理物理世界的強(qiáng)大功能。
  未來(lái)機(jī)器人將變得至關(guān)重要——我們對(duì)這項(xiàng)開(kāi)創(chuàng)性工作感到非常興奮！

GR 1.5系列五大能力展示

先來(lái)看一段視頻——

我們來(lái)把GR 1.5系列在發(fā)布中展示的能力，總結(jié)為五個(gè)關(guān)鍵詞：

執(zhí)行復(fù)雜長(zhǎng)程任務(wù)，中間還能自我檢測(cè)并修正

不僅限于一次抓取、一次搬運(yùn)，GR 1.5能執(zhí)行包含多步子任務(wù)的長(zhǎng)流程。

比如：

• 把不同顏色的衣服分類(lèi)；
• 從衣柜取出雨衣，再打包進(jìn)行李箱；
• 在廚房完成配料準(zhǔn)備，甚至嘗試烹飪流程。

在GR 1.5這里，任務(wù)被分解成多個(gè)階段，機(jī)器人逐一完成。

更重要的是，在執(zhí)行任務(wù)的過(guò)程中，GR 1.5能檢測(cè)成功與否，并自動(dòng)修正。

適配多種機(jī)器人硬件

同一個(gè)模型，既可以驅(qū)動(dòng)低成本雙臂機(jī)器人ALOHA，還可以驅(qū)動(dòng)工業(yè)級(jí)Franka，還可以驅(qū)動(dòng)人形機(jī)器人Apollo。

一整個(gè)絲滑無(wú)縫遷移使用。

這意味著，不需要針對(duì)每個(gè)平臺(tái)單獨(dú)訓(xùn)練，一個(gè)通用模型就能上手不同團(tuán)隊(duì)、不同形態(tài)的多種硬件。

跨機(jī)器人遷移

谷歌DeepMind機(jī)器人部門(mén)負(fù)責(zé)人Carolina Parada表示：

• 如今的機(jī)器人高度定制化，部署困難，往往需要數(shù)月時(shí)間來(lái)安裝一個(gè)只能執(zhí)行單一任務(wù)的單元。

轉(zhuǎn)觀GR 1.5系列，這個(gè)模型在ALOHA上學(xué)會(huì)的技能，可以直接遷移到Franka；在Franka上訓(xùn)練的操作，能零樣本轉(zhuǎn)移到Apollo。

這背后的關(guān)鍵在于Motion Transfer技術(shù)（詳細(xì)介紹見(jiàn)后文），使機(jī)器人不再局限于“誰(shuí)教誰(shuí)用”，而是真正形成跨平臺(tái)的通用動(dòng)作理解。

推理型具身模型

如前文介紹，GR-ER 1.5是一個(gè)具身推理模型。

這使得GR 1.5系列加持下的機(jī)器人在行動(dòng)前，會(huì)在內(nèi)心生成一段內(nèi)心獨(dú)白。

它會(huì)先用自然語(yǔ)言把復(fù)雜任務(wù)拆解為小步驟，再逐一執(zhí)行。

這種顯性思考不僅讓機(jī)器人更穩(wěn)健，也讓人類(lèi)可以清晰看到它的思考過(guò)程，提升了可解釋性。

GR 1.5系列的兩款模型協(xié)同工作，共同推理思考如何完成任務(wù)。

如下圖展示：

安全可解釋

在演示中，研究人員展示了GR 1.5系列加持下的機(jī)器人，在操作中如何自我修正：

比如抓起水瓶失敗后，立刻轉(zhuǎn)換方案，用另一只手完成任務(wù)。

同時(shí)，模型還能識(shí)別潛在風(fēng)險(xiǎn)，避免危險(xiǎn)動(dòng)作，確保在人類(lèi)環(huán)境中運(yùn)行時(shí)的安全性。

提出全新“Motion Transfer”機(jī)制

Gemini Robotics 1.5最大的突破，在于實(shí)現(xiàn)了“規(guī)劃+執(zhí)行”的完整閉環(huán)。

前面我們已經(jīng)提到過(guò)，這一系列由兩大模型組成：

• GR 1.5：VLA模型，專(zhuān)注將語(yǔ)言/視覺(jué)輸入轉(zhuǎn)化為動(dòng)作輸出。
• GR-ER 1.5：強(qiáng)化推理的Vision-Language模型，負(fù)責(zé)高層規(guī)劃、工具使用與進(jìn)度監(jiān)控。

兩款模型都基于Gemini基礎(chǔ)模型構(gòu)建而來(lái)，但已使用適應(yīng)物理空間操作的數(shù)據(jù)進(jìn)行微調(diào)。

其中，前者是執(zhí)行者，能夠直接把自然語(yǔ)言和視覺(jué)輸入轉(zhuǎn)化為低層級(jí)的機(jī)器人動(dòng)作。

后者是大腦指揮官，負(fù)責(zé)理解復(fù)雜任務(wù)、做出高層規(guī)劃，并在必要時(shí)調(diào)用外部工具、監(jiān)控任務(wù)進(jìn)度。

二者組合成一個(gè)Agentic Framework，讓機(jī)器人不僅能聽(tīng)懂指令，還能思考如何完成并執(zhí)行到底，以此實(shí)現(xiàn)“規(guī)劃+執(zhí)行”的閉環(huán)。

支撐這一體系的，是GR 1.5系列龐大而多樣化的數(shù)據(jù)來(lái)源。

一方面，團(tuán)隊(duì)采集了大量真實(shí)機(jī)器人在ALOHA、Franka、Apollo等平臺(tái)上完成的成千上萬(wàn)種操作數(shù)據(jù)。

另一方面，數(shù)據(jù)集中還引入了互聯(lián)網(wǎng)中的文本、圖像與視頻信息，確保模型既擁有來(lái)自現(xiàn)實(shí)的動(dòng)作經(jīng)驗(yàn)，具備廣泛的語(yǔ)義與世界知識(shí)。

要真正讓不同形態(tài)的機(jī)器人共享技能，單靠數(shù)據(jù)還不夠。

為此，研究團(tuán)隊(duì)提出了全新的Motion Transfer機(jī)制。

Motion Transfer的核心思路，是把不同機(jī)器人平臺(tái)的運(yùn)動(dòng)軌跡和操作經(jīng)驗(yàn)，映射到一個(gè)統(tǒng)一的動(dòng)作語(yǔ)義空間中。

這樣一來(lái)，看似完全不同的硬件——比如機(jī)械臂與人形機(jī)器人——在模型眼中就有了共通語(yǔ)言，于是能把不同機(jī)器人平臺(tái)的動(dòng)作映射到一個(gè)統(tǒng)一的表示空間，使得GR 1.5系列具備操作經(jīng)驗(yàn)跨機(jī)器人遷移的能力。

更重要的是，Motion Transfer不只是做簡(jiǎn)單的對(duì)齊，它還結(jié)合了跨平臺(tái)的大規(guī)模數(shù)據(jù)。

它“提煉”出了物理世界的通用規(guī)律：

物體怎么被抓住、怎樣保持平衡、不同環(huán)境下動(dòng)作要如何調(diào)整……以此增強(qiáng)任務(wù)泛化和跨機(jī)器人遷移測(cè)試的能力和水平。

同時(shí)，在訓(xùn)練過(guò)程中，大約九成以上的迭代都在MuJoCo仿真環(huán)境中完成，模型先在虛擬世界里快速試錯(cuò)、迭代，再遷移到真實(shí)機(jī)器人進(jìn)行驗(yàn)證。

這樣一來(lái)，不僅顯著提升了研發(fā)效率，也保證了在現(xiàn)實(shí)硬件上執(zhí)行時(shí)的穩(wěn)定性與安全性。

三大核心創(chuàng)新，還不犧牲安全性

研究團(tuán)隊(duì)提出，GR 1.5系列的核心價(jià)值，在于同時(shí)實(shí)現(xiàn)了三個(gè)方面的創(chuàng)新與突破。

最引人注目的，是它讓機(jī)器人具備了思考推理的能力。

在傳統(tǒng)的模型中，動(dòng)作往往是對(duì)指令的直接映射，而 GR 1.5 在行動(dòng)前會(huì)先生成一段思考軌跡，把復(fù)雜任務(wù)拆解成小步驟，再逐一執(zhí)行。

這種顯性推理不僅讓機(jī)器人在多步任務(wù)中更穩(wěn)健，還讓研究人員和用戶(hù)能夠直接看到它的思考過(guò)程，增強(qiáng)了可解釋性和信任感。

另一項(xiàng)突破是跨平臺(tái)的技能遷移。

過(guò)去，機(jī)器人學(xué)習(xí)往往被局限在某一特定平臺(tái)上，數(shù)據(jù)難以復(fù)用。

但GR 1.5系列在引入Motion Transfer機(jī)制后，把不同機(jī)器人之間的動(dòng)作經(jīng)驗(yàn)抽象到統(tǒng)一空間，使得在機(jī)器人甲身上學(xué)到的技能，可以直接遷移到機(jī)器人乙身上——甚至在未見(jiàn)過(guò)的新環(huán)境中也能順利執(zhí)行。

這意味著機(jī)器人不再被硬件形態(tài)束縛，而是能夠共享整個(gè)生態(tài)的知識(shí)與經(jīng)驗(yàn)。

與此同時(shí)，具身推理模型GR-ER 1.5把“理解物理世界”的能力推向了新高度。

它不僅能進(jìn)行空間理解和任務(wù)規(guī)劃，還能實(shí)時(shí)評(píng)估任務(wù)進(jìn)度，識(shí)別潛在風(fēng)險(xiǎn)，甚至在復(fù)雜場(chǎng)景中做出類(lèi)似人類(lèi)的推斷與修正。

在學(xué)術(shù)基準(zhǔn)測(cè)試中，GR-ER 1.5在空間推理、復(fù)雜指點(diǎn)、進(jìn)度檢測(cè)等任務(wù)上全面超越了GPT-5和Gemini 2.5 Flash，刷新了業(yè)界的表現(xiàn)上限。

研究團(tuán)隊(duì)還對(duì)GR 1.5系列做了更多評(píng)測(cè)：

在230項(xiàng)任務(wù)的基準(zhǔn)測(cè)試中，GR 1.5在指令泛化、動(dòng)作泛化、視覺(jué)泛化和任務(wù)泛化四個(gè)維度上都表現(xiàn)出色，明顯優(yōu)于前代模型。

在長(zhǎng)時(shí)序任務(wù)上，結(jié)合GR-ER 1.5的系統(tǒng)，任務(wù)完成進(jìn)度分?jǐn)?shù)最高接近80%，幾乎是單一VLA模型的兩倍。

尤其值得注意的是，在跨機(jī)器人遷移測(cè)試中，模型展現(xiàn)出了前所未有的零樣本遷移能力。

更關(guān)鍵的是，這種強(qiáng)大性能并沒(méi)有以犧牲安全為代價(jià)。

如下圖數(shù)據(jù)顯示，GR 1.5 在ASIMOV-2.0安全基準(zhǔn)中表現(xiàn)出更高的風(fēng)險(xiǎn)識(shí)別與干預(yù)能力，能夠理解動(dòng)作背后的物理風(fēng)險(xiǎn)，并在必要時(shí)觸發(fā)保護(hù)機(jī)制。

配合自動(dòng)紅隊(duì)測(cè)試的持續(xù)打磨，模型在抵御對(duì)抗攻擊、避免幻覺(jué)響應(yīng)等方面也展現(xiàn)出更強(qiáng)魯棒性。

One More Thing

讓我們簡(jiǎn)單回溯一下——

今年3月，谷歌首次推出了讓機(jī)器人擁有多模態(tài)理解能力的Gemini Robotics系列；6月，又推出了Gemini Robotics On-Device，這是一個(gè)針對(duì)快速適配和機(jī)器人硬件上穩(wěn)健靈巧性進(jìn)行優(yōu)化的本地版本。

Parada表示，隨著這次更新，GR系列正從執(zhí)行單一指令轉(zhuǎn)向?qū)ξ锢砣蝿?wù)進(jìn)行真正的理解和解決問(wèn)題。

But！

噔噔噔，最后敲個(gè)黑板：

目前，開(kāi)發(fā)者已經(jīng)可以通過(guò)Google AI Studio中的Gemini API使用GR-ER 1.5，而GR 1.5只供少數(shù)谷歌DeepMind的合作伙伴使用。

等等黨們，看來(lái)還要再等等等等等一會(huì)了……

參考鏈接：
[1]https://x.com/demishassabis/status/1971292365592854602?s=46&t=fzKJptGJMpr-yj3MUXd6HA
[2]https://arstechnica.com/google/2025/09/google-deepmind-unveils-its-first-thinking-robotics-ai/
[3]https://www.theverge.com/news/785193/google-deepmind-gemini-ai-robotics-web-search
[4]https://the-decoder.com/google-deepmind-brings-agentic-ai-capabilities-into-robots-with-two-new-gemini-models/