Gemini Robotics 2 跨本体 长任务 和 分层架构 -0731

核心观点：Gemini Robotics 2 的发布进一步验证了“跨本体+长任务”是具身模型泛化性的关键评判标准，同时体现了“分层架构”思想，代表行业顶级玩家在“通用具身模型”领域的技术路线趋于收敛。

模型架构亮点：

• 采用两层架构：Gemini Robotics ER 2 负责高层语义子任务，Gemini Robotics 2 负责低层连续动作生成。
• 分层结构对跨本体和长任务能力有重要影响。

模型能力亮点：

• 跨本体：
  • 无需微调即可驱动2个本体和3个灵巧手操作。
  • 实现跨本体的关键在于动作空间对齐，将不同本体和灵巧手数据映射至同一表征空间（如阿里Qwen-RobotManip设计的80维通用动作模版）。
  • 该思想在蚂蚁、智元、星海图等模型中亦有体现，最终效果取决于跨本体成功率。
• 长任务：
  • 可靠执行数分钟及数百个决策的长任务序列，精确定位关键事件时刻。
  • 长任务能力源于分层架构，通过拆分复杂任务、跟踪进度和快速恢复，实现长时间内的高可靠性（如pi0.5、Gemini Robotics 1.5、0-τVLA等模型均有体现，效果取决于最终成功率）。

研究结论：

• Gemini Robotics 2 沿用了产业聚焦的前沿方向（跨本体+长任务+分层架构），代表行业顶级玩家在“通用具身模型”领域奠定了技术路线收敛的基调。