VLA 图库 / 模型列表 / 产业界模型

Gemini Robotics-ER 1.5

Google DeepMind · 2025-09

기타产业界模型未公开其他

作为协调机器人活动的上层'大脑'，向GR 1.5下达分步自然语言指令。

论文

Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots with Advanced Embodied Reasoning, Thinking, and Motion TransferarXiv 2510.03342

概述

分类

产业界模型

类型

기타

发布

2025-09

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

以点·bbox·轨迹·工具调用代替动作 (其他)

动作块

未公开

控制频率

未公开

架构原文摘要

基于Gemini的thinking VLM(保留Gemini全部能力)；不直接输出动作(2D点·bbox·轨迹，工具调用)

训练

预训练加速器

TPU v4，v5p，v6e(芯片数未公开；与GR 1.5共用模型卡)

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

图像·文本·机器人传感器·动作数据(与GR 1.5共用的模型卡描述)

数据规模

未公开

主要数据集

未公开

任务·评估

学术基准15个(ERQA，Point-Bench，BLINK，CV-Bench，RoboSpatial，PointArena，Where2Place，RefSpatial等)；ALOHA·bi-arm Franka长时程8项任务

机器人

ALOHA，bi-arm Franka(在长时程任务中协调GR 1.5)

推理

推理设备·速度

Gemini API 'gemini-robotics-er-1.5-preview'(Google AI Studio，2025-09-25)；通过thinking budget调节延迟-精度；延迟数值未公开

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

云端 (Gemini API)

强化学习与底盘

强化学习

未公开 · 技术报告未提及RL

强化学习依据

https://arxiv.org/html/2510.03342

底盘控制

固定 · 无动作输出 (作为编排器仅输出文本·坐标·工具调用)

备注

核心特点

作为协调机器人活动的上层'大脑'，向GR 1.5下达分步自然语言指令。支持Google Search·VLA·用户函数调用和thinking budget调节。

备注

不直接输出动作的VLM(ER)，故类型为其他。博客2025-09-25，arXiv v1 2025-10-02。模型卡片Training Data行同时描述ER 1.5与GR 1.5。2026年API文档以ER 1.6/ER 2为准。

核验

已确认