Gemini Robotics 2: Bước nhảy vọt của AI cho robot hình người

Những cải tiến chính của Gemini Robotics 2

1. Mở rộng từ thân trên ra toàn bộ cơ thể

Phiên bản Gemini Robotics trước đó (ra mắt tháng 3/2025) chỉ tập trung vào việc điều khiển thân, tay và cánh tay của robot. Gemini Robotics 2 đã mở rộng khả năng này ra toàn bộ cơ thể — từ bàn chân đến đầu ngón tay — cho phép robot phối hợp nhịp nhàng các động tác như di chuyển, giữ thăng bằng, cúi xuống, thao tác bằng cả hai tay và đi bộ . DeepMind gọi đây là "trí thông minh toàn thân" (whole-body intelligence), cho phép robot hình người định hướng, với tới, ngồi xổm và phục hồi sau các tác động một cách thống nhất .

2. Bộ ba mô hình AI

• Gemini Robotics 2 (mô hình VLA): Một mô hình Vision-Language-Action (Thị giác-Ngôn ngữ-Hành động) có khả năng chuyển đổi trực tiếp hình ảnh và hướng dẫn bằng ngôn ngữ tự nhiên thành các lệnh vận động để điều khiển toàn bộ cơ thể robot hình người .
• Gemini Robotics ER 2 (mô hình Suy luận Vật lý): Một mô hình thị giác-ngôn ngữ tiên tiến, tập trung vào khả năng suy luận về thế giới vật lý — hiểu không gian, lập kế hoạch tác vụ đa bước, hiểu video và điều phối hành động giữa nhiều robot. Mô hình này hiện đang ở chế độ public preview (dùng thử công khai) ngay khi ra mắt .
• Gemini Robotics On-Device 2 (Phiên bản Tối ưu): Một mô hình nhẹ, được tối ưu hóa để chạy trực tiếp trên phần cứng của robot. Điểm đặc biệt, nó có thể thích ứng với một cơ thể robot mới chỉ với chưa đầy 200 mẫu huấn luyện và vài giờ đào tạo, giúp giảm đáng kể thời gian triển khai .

3. Thao tác tinh vi và cộng tác đa robot

• Sự khéo léo tinh vi: DeepMind báo cáo độ chính xác 89,6% trong bài kiểm tra lắp ráp chính xác Franka Duo, một nhiệm vụ yêu cầu hai cánh tay robot phải phối hợp để căn chỉnh và lắp các vật thể có dung sai rất nhỏ .
• Cộng tác đa robot: Nhiều robot giờ đây có thể phối hợp với nhau trong các nhiệm vụ chung trên cùng một không gian. Mô hình AI có thể suy luận về vị trí và hành động của các robot khác để tránh va chạm và hoàn thành mục tiêu nhóm .

4. Tiêu chuẩn an toàn ASIMOV-Agentic

DeepMind đã phát hành ASIMOV-Agentic, một bộ tiêu chuẩn an toàn mã nguồn mở (có sẵn trên Hugging Face theo giấy phép CC-BY-4.0), được thiết kế để đánh giá xem các hành động mà robot được lệnh thực hiện có thể dẫn đến hậu quả nguy hiểm hay không . Nó được xây dựng dựa trên nghiên cứu ASIMOV trước đó của DeepMind (dựa trên các báo cáo thương tích thực tế) và giới thiệu các kịch bản tác nhân, nơi mô hình phải phát hiện khi có người ở gần, dừng chuyển động cho đến khi khu vực trống, và chỉ sau đó mới tiếp tục . Gemini Robotics ER 2 được mô tả là mô hình an toàn nhất của DeepMind từ trước đến nay, với các lớp bảo vệ (guardrails) ở mọi lớp mô hình .

Bối cảnh ngành: Lệnh cấm robot Trung Quốc của FCC

Vào ngày 28 tháng 7 năm 2026, FCC đã bổ sung "các thiết bị robot tiên tiến sản xuất ở nước ngoài" — bao gồm robot hình người và robot bốn chân — vào Danh sách Cấm (Covered List) của mình, chính thức chặn việc nhập khẩu, tiếp thị và bán các mẫu mới tại Mỹ . Lệnh cấm cũng bao gồm các bộ biến tần năng lượng (power inverters) có kết nối. Chính quyền Mỹ viện dẫn rủi ro an ninh quốc gia, cho rằng robot sản xuất tại Trung Quốc có thể tạo ra lỗ hổng trong chuỗi cung ứng, bị lợi dụng để đe dọa cơ sở hạ tầng quan trọng và gây ra rủi ro an ninh mạng . Lệnh này nhằm vào Trung Quốc, quốc gia sản xuất các thiết bị này hàng đầu thế giới, nhưng không ảnh hưởng đến những robot đã được mua trước đó . Trung Quốc đã lên tiếng phản đối lệnh cấm này .

Ý nghĩa về mặt thời điểm: Lệnh cấm của FCC và việc ra mắt Gemini Robotics 2 của DeepMind diễn ra chỉ trong cùng một tuần. Lệnh cấm đã loại bỏ một nguồn cạnh tranh nước ngoài lớn trên thị trường robot hình người tại Mỹ, trong khi nền tảng AI toàn thân của DeepMind định vị các công ty robot liên kết với Mỹ (DeepMind đang hợp tác với Apptronik, Boston Dynamics, và Agile Robots ) để lấp đầy khoảng trống bằng phần cứng nội địa, được phát triển dựa trên AI .