VLA 图库 / 模型列表 / 2026年新增

Gemini Robotics 2

Google DeepMind · 2026-07

VLA2026年新增未公开未公开

将视觉·语言输入转换为从脚尖到指尖的全身运动控制的VLA。

论文

Gemini Robotics 2: Safety Evaluations报告

概述

分类

2026年新增

类型

VLA

发布

2026-07

机构

Google DeepMind

权重公开

否

参数

未公开

架构

主干LLM

基于Gemini (规模未公开)

视觉编码器

—

动作头

ER 2规划 → VLA执行 (未公开)

动作块

未公开

控制频率

未公开

架构原文摘要

未公开；由Gemini Robotics ER 2（具身推理VLM）拆分为子任务、VLA执行的system 2/system 1结构

训练

预训练加速器

未公开

预训练时长

未公开

预训练步数·批量

未公开

GPU·TPU-小时

未公开

微调

未公开

数据类型

未公开 (同系列On-Device 2模型卡：图像·文本·机器人传感器·动作数据)

数据规模

未公开

主要数据集

未公开

任务·评估

Apollo 2+Inspire手全身抓取 桌面68.4%·地面45.7%·货架76.3%；Apollo 2+SharpaWave手 拧下灯泡92%·拧紧36%；Franka Duo抓取·放置74.2%·工具配套78.9%·精密插入89.6%；人员检测99%·安全姿态切换96%

机器人

Apptronik Apollo 2(Inspire手，SharpaWave 22-DoF手)，Franka Duo/F3 Duo；整个系列还有Dexmate·SO101·Trossen，ER 2为Boston Dynamics Spot

推理

推理设备·速度

未公开

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

未公开

强化学习与底盘

强化学习

未公开 · 训练方式细节未公开

底盘控制

人形双足 (直接输出全身关节/位姿) · VLA从脚尖到指尖直接控制Apollo 2全身，完成行走·蹲下 (未提及单独行走控制器)；Franka Duo为固定双臂

备注

核心特点

将视觉·语言输入转换为从脚尖到指尖的全身运动控制的VLA。以同一系列覆盖人形机器人全身操作与双臂灵巧操作。

备注

2026-07-30博客。无技术报告，仅有安全报告。ER 2(具身推理VLM，非VLA)同日通过API发布：进度分类57.4%，时刻定位91.3%。全身控制中是否分离底层控制器未公开。引入ASIMOV-Agentic安全基准。仅限抢先体验合作伙伴。

核验

已确认