Gemini 機器人由 Google DeepMind 在 7 月 30 日發表 Gemini Robotics 2，讓 AI 嘗試處理人類看來普通、但實際充滿變數的工作：聽懂口語指令後，走到指定位置、找出物件、完成放置，並判斷下一步應如何執行。
Gemini 機器人不再只是預設動作
過去不少機器人示範是跳舞、翻筋斗，或在桌面上夾起物件，動作多為特定場景預先設計。現實工作環境卻不是舞台，貨箱未必放在原位，通道可能有人經過，地面也未必平整。
官方示範中，Apptronik 的 Apollo 2 聽到「把水壺放到下層架的綠色箱子」後，會走到桌邊取起水壺，再移到層架完成放置。重點不是它懂得拿水壺，而是要把一句人類語言拆成多個實體步驟，並依現場情況調整執行順序與動作。
重點不只在移動，Gemini 機器人處理工作流程
Google 將系統拆成三個角色分工：Gemini Robotics 2 負責把視覺與語言資訊轉成身體動作；Gemini Robotics ER 2 負責理解環境、規劃多步任務與追蹤進度；On-Device 2 可以在機器人本體運行，減少對網路連線的依賴。
在這個架構下，ER 2 像一個高階協調者，不只是接收「向前走三步」這類單一命令，而是先找物件，再移動，最後放到指定位置，整個過程還要不斷確認任務是否完成。
官方影片
Google DeepMind 的官方示範影片展示 Gemini Robotics 2 如何處理全身動作、精細操作，以及多部機器人協作完成任務的流程。
靈巧操作仍有技術與實務限制
官方展示中，系統能控制五指機械手完成綁繩、封密實袋等細緻動作，也可以配合不同夾具處理多樣物件。不過，Google 承認移動速度與多指精細操作仍有改善空間，未來仍須技術優化與更多現場測試。
相關報導指出，系統目前仍需透過遙距操作、人類示範影片與模擬資料訓練，並不是看過一次便能學會所有新工作。現階段面向一般開發者主要開放的是 ER 2，全身操控與本地運行模型則僅供早期合作夥伴使用。
有手有腳的機器人錯誤風險更高
Chatbot 答錯問題可以重新提問，機器人誤判指令卻可能撞到人、弄跌貨物，或在不適當的場所繼續執行任務。當 AI 有了手腳，安全問題從內容準確度延伸到實際行為的可控性與停機判斷。
Google 同步推出 ASIMOV-Agentic 安全評測，檢查模型能否拒絕危險指令、辨識任務可行性，並在不確定時要求人類介入。真正的實務問題包括誰有權授權機器人執行任務、誰能即時叫停，以及出事後是否能追查決策過程。