# 被忽略的非共识是全身统一控制

被忽略的非共识是全身统一控制

完整文章：https://haiguangboy.com/posts/gemini-robotics-2

## 核心方法

此前的模型只控人形上半身做桌面任务，这次第一次控制完整人形，从脚到指尖。官方例子是 Apollo 2 接到一句「把浇水壶放进底层货架的绿色箱子」，然后自己走到桌边、拿起壶、走几步到货架、精确放好。

关键不在于它会走路，而在于走路、弯腰、伸手是同一个模型出的。你要从货架深处拿东西，脚往哪落、髋怎么转、手臂怎么伸是耦合的，拆成"行走控制器 + 上肢操作模型"就会在衔接处出问题。更能说明问题的是：同一个 checkpoint 同时驱动装五指手的 Apollo 2、装夹爪的 Apollo 2 和 Franka Duo 三种本体。

## 关键结果

Gemini Robotics 2 是干活的 VLA，ER 2 是高层大脑负责对话和拆多步任务，On-Device 2 在本地跑。上层是分层的：开发者可以把 VLA 和导航 API 并列声明为 agent 的 tool。目前只有 ER 2 公开，另外两个限早期合作伙伴。

## 边界

成功率全在图表里，文字只有"中到高成功率"这类定性描述，没点名竞品也没给基线。官方自己在图注里承认多指灵巧操作仍然困难，运动速度也还有待提升。安全报告是离线评测，约束数据集由模型合成，真机只测了安全停止。