Google Blog 於7月30日宣布 Gemini Robotics ER 2，稱其為目前最強的 embodied reasoning model，可作為機械人的高層「大腦」，負責理解人類指令、分析實體環境、規劃多步驟任務，並把低層運動控制交由 vision-language-action model 或其他 robotics API 執行。

Google 指出，Gemini Robotics ER 2 較上一代 ER 1.6 的重點升級包括連續 video feed 的進度追蹤與 self-correction、工具調用與任務編排，以及支援不同機械人以共同語義理解協作完成複雜流程。模型亦整合 Gemini Live API，以雙向串流 endpoint 支援低延遲場景；Google 以 Boston Dynamics Spot、Apptronik Apollo 2 及 Franka F3 Duo 等示例展示其在實體世界任務中的編排能力。

在評測方面，Google 稱 ER 2 在 progress classification、moment finding、success / failure detection、instrument reading 與 human proximity 等 benchmark 上均有提升，其中 moment-finding 達91.3% accuracy、平均絕對距離0.96秒。模型已可透過 Gemini API、Google AI Studio 使用，並在 Gemini Enterprise Agent Platform 以 private preview 形式提供，對建造、自動化巡檢及實體場景 AI agent 的研發具參考價值。

資料來源：Google Blog。