衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 谷歌DeepMind正式发布 新一代通用机器人基座模型 ——Gemini Robotics 1.5系列。 它不止于对语言、图像进行理解，还结合了视觉、语言与动作 （VLA） ，并通过具身推理 （Embodied Reasoning） 来实现"先思考，再行 动"。 全球首个具备模拟推理能力的具身模型来了！ 这一系列由两大模型组成： 其中，ER代表"具身推理"。 这意味着GR-ER 1.5是全球首个具备模拟推理能力的具身模型。 不过， GR-ER 1.5并不执行任何实际操作 ，GR 1.5正是为执行层而生。 两者结合，能让机器人不仅完成"折纸、解袋子"这样的单一动作，还能解决"分拣深浅色衣物"甚至"根据某地天气自动打包行李"这种需要理解 外部信息、分解复杂流程的多步任务。 甚至，它能根据特定地点的特定要求 （比如北京和上海的不同垃圾分类标准） ，自己上网搜索，以帮助人们完成垃圾分类。 而且用上GR 1.5系列的模型，还能够在多种不同的机器人之间进行能力的零样本跨平台迁移。 Gemini Robotics 1.5 （GR 1.5） ：负责动作执行的多模态大模型； ...