谷歌DeepMind近日正式推出Gemini Robotics 1.5系列机器人模型，含主打执行的1.5与负责规划的ER 1.5。

这套组合直击机器人“复杂任务干不了”的痛点，试图让AI从“听指令工具”升级为“会思考、能动手”的物理世界参与者，被视为AI深入现实场景的关键一步。

机器人终于会“琢磨事儿”了，从“机械执行”到“边做边想”

上周在小区楼下碰到张阿姨，她攥着手机凑过来：“小伙子，你说谷歌那新机器人，能帮我把桌上的快递盒扔去可回收箱不？我家那台扫地机器人只会瞎转，扔个垃圾都得我自己来。”

我笑了，以前别说扔垃圾，就是让机器人“把杯子从餐桌拿到厨房”，都得提前编好程序，碰到杯子滑了、茶几挡路，直接“死机”。

但这次谷歌出的Gemini Robotics 1.5系列，还真解决了“机器人不会琢磨事儿”的毛病。

谷歌这次搞了俩模型搭伙：一个是“大脑”Gemini Robotics-ER 1.5，管“想事儿”；一个是“小脑”Gemini Robotics 1.5，管“动手”。

比如张阿姨要扔快递盒，“大脑”ER 1.5先接活，先调谷歌搜索查“本地垃圾分类”，确认快递盒是可回收。

再把任务拆成“走到餐桌、拿起盒子、识别蓝桶、扔进去”。接着把指令发给“小脑”1.5，让它执行。

重点来了：“小脑”不是傻动手！它动之前会先“想”，生成一段自然语言的“思考轨迹”：“我得先抓稳盒子的右边，别把上面的胶带扯破；然后绕过茶几腿，别碰倒花瓶。”

要是真碰着花瓶移位了，它还会立刻调整：“哦，路被挡了，那我先挪花瓶再走。”不会像以前那样直接卡壳或者摔盒子。

张阿姨听了直点头：“哦，就是像人一样，做之前先合计合计，错了还能改？”对喽！

这就是谷歌说的“具身思考”，机器人不再是“执行命令的工具人”，而是能“理解任务、分解步骤、动态调整”的“准智能体”。

技能能“跨身体”用，学一次，所有机器人都会

更神的是，这模型学会的技能，换个机器人还能接着用。

比如ALOHA学了“打开抽屉”，换成Apollo人形机器人，不用重新教，直接就会，这就是谷歌的“动作迁移”技术。

以前机器人学技能跟“刻光盘”似的：ALOHA学的东西，Franka机械臂用不了；Franka会的，Apollo也不懂。现在不一样了，模型从三个机器人身上学了“共性”。

比如“抓东西”要发力、“开门”要找把手，不管换哪个机器人身体，都能直接套用。

为啥能这么牛？因为训练数据够“杂”：既有互联网上的图片、文本，还有三个机器人的真实操作数据。

相当于让模型跟三个“不同性格”的机器人学本事，既懂“常识”，又会“适配不同身体”。

比如张阿姨的快递盒任务，模型不仅能查分类，还能“看”清楚桌子上的盒子在哪，避开障碍物走到蓝桶边，这都是互联网数据和机器人数据结合的结果。

谷歌说，这模型在15个学术“具身推理”测试里拿了第一，连GPT-5都不如它。

比如“指着桌子左下角的蓝杯子”，它能准确找到；做长任务时，还能实时算“我已经完成30%，接下来该擦桌子”——比以前的机器人“闷头干”强多了。

有人肯定要问：“机器人这么会琢磨，会不会闯祸？”

谷歌早留了后手。他们做了个升级的ASIMOV安全测试，比以前的更严，测的是“会不会乱碰热水壶”“会不会撞人”“会不会违反物理安全”。

结果Gemini-ER 1.5表现最优，相当于给机器人装了个“安全刹车”：就算“大脑”规划错了，“安全子系统”也能立刻拉住。

结语

那么AI到底能不能帮我们解决真实生活里的麻烦？

谷歌这次的Gemini 1.5，算是给了个准信：能，但不是“取代人”，是“帮人省劲儿”。

它不是要做个“完美机器人”，而是让机器人学会“像人一样解决问题”：先想清楚要干啥，再动手，错了还能改。

以后说不定真能像科幻片里那样，躺沙发上喊一声“机器人，把快递盒扔了”，它就乖乖查分类、避障碍、扔对桶。