Google DeepMind推出Gemini Robotics 1.5，讓機器人能夠思考後再行動

關鍵字：；；；；；；()；；；()；

瀏覽次數：605｜歡迎推文：

科技產業資訊室(iKnow) - 黃松勳發表於 2025年9月26日

圖、Google DeepMind推出Gemini Robotics 1.5，讓機器人能夠思考後再行動

近年來，生成式人工智慧（Generative AI）從文本、影像擴展至影音創作，如今更邁向實體世界。Google DeepMind最新推出的Gemini Robotics 1.5與Gemini Robotics-ER 1.5，象徵機器人不再只是「指令執行者」，而是能「思考後再行動」的智慧代理。這項突破讓機器人具備更高階的任務理解與規劃能力，為智慧機械在日常與工業環境中的應用開啟了新契機。

傳統機器人往往需要長時間訓練才能完成單一工作，難以靈活應對不同場景。DeepMind強調，生成式AI的核心優勢在於「泛化能力」，讓機器人能快速適應新情境，減少重新編程或調校的需求。此次推出的雙模型架構，一個專注於「思考與規劃」，另一個則負責「具體執行」，形成高低階任務分工的全新模式，為機器人帶來了更接近人類的行為邏輯。

Gemini Robotics-ER 1.5屬於視覺語言模型（VLM），專門進行具身推理（Embodied Reasoning）。它能理解周遭環境、查詢網路資訊，並生成多步驟計畫，猶如機器人的「大腦」。而Gemini Robotics 1.5則是視覺語言動作模型（VLA），負責將指令轉化為動作，並在執行前進行內部推理，確保動作合理與安全。這種「思考先於行動」的能力，讓機器人更能處理多層次、複雜的任務。

應用層面上，這些新功能不僅能協助機器人完成如垃圾分類、衣物分色整理等任務，更能根據不同地區的規範，透過網路搜尋獲得即時資訊，進而正確執行。這代表機器人開始具備跨場域、跨知識的自我調適能力，不再受限於單純的指令輸入與回應。

另一大突破在於「跨機器學習」。DeepMind展示了模型能將ALOHA2機械臂的技能，無縫轉移至Franka雙臂機器人與Apptronik的人形機器人Apollo。這項能力顛覆了以往需要針對不同硬體反覆訓練的限制，加速了新機器人的學習週期，並為未來多樣化機器人平台的快速部署奠定基礎。

在性能驗證上，Gemini Robotics-ER 1.5在15項具身推理學術基準中取得領先成績，包括Point-Bench、RoboSpatial-VQA等，展現了卓越的空間理解與任務規劃能力。這些成果不僅提升了研究價值，也讓產業界看見其實際導入的潛力。

DeepMind也特別強調安全性。Gemini Robotics系列在行動前會進行高階語義推理，並設有低階的避碰機制，以降低潛在風險。此外，團隊推出升級版的ASIMOV安全基準資料集，確保模型在語義安全與物理安全層面都能持續優化。這反映出產業界在推進具身AI同時，對「責任發展」的高度重視。

從長遠角度來看，Gemini Robotics 1.5的問世代表AI正在跨越「理解指令」到「自主推理與規劃」的門檻。這不僅是技術迭代，更是朝向通用人工智慧（AGI）在物理世界實現的重要里程碑。機器人不再只是工具，而是能主動理解、計劃與行動的智慧代理，也使未來的人機協作能邁向新的境界。

總結而言，Google DeepMind的Gemini Robotics 1.5與ER 1.5，不僅突破了機器人在多步驟任務、跨平台學習與語義安全上的限制，更為產業提供了可實際落地的應用前景。相信不久的未來，我們或將看到更多能夠舉一反三的智慧機器人，真正融入人類的日常生活與產業場景，推動智慧社會的全新進化。(1104字)

參考資料：
Gemini Robotics 1.5 brings AI agents into the physical world. Google DeepMind，2025/9/25
Google DeepMind’s new AI models can search the web to help robots complete tasks. The Verge，2025/9/26
Google DeepMind unveils its first “thinking” robotics AI. ArsTechnica，2025/9/26

歡迎來粉絲團按讚！

--------------------------------------------------------------------------------------------------------------------------------------------