🤖 **多步推理与规划能力增强**：升级后的Gemini Robotics 1.5和Gemini Robotics-ER 1.5模型，使机器人能够在执行任务前进行多步推理，提前规划行动方案，显著提升了其解决复杂问题的能力，从简单的指令执行转向更深层次的理解与执行。

🧺 **任务复杂性大幅扩展**：机器人不再局限于单一、基础的任务，而是能够处理更复杂的实际操作，例如根据衣物颜色深浅进行精细分拣，依据实时天气信息打包行李，以及通过网络搜索辅助进行垃圾、堆肥和回收物的分类，体现了其环境适应性和问题解决能力的飞跃。

🌐 **网络信息获取与应用**：机器人能够通过Google搜索等工具获取网络信息，并将其转化为自然语言指令，再由AI模型进行理解和执行。这种结合了网络搜索和物理操作的能力，使其能够针对特定地域要求或复杂场景，自主寻找解决方案，极大地扩展了其应用范围。

🤝 **机器人间的学习与技能迁移**：新AI模型能够促进不同硬件构造和配置的机器人之间互相“学习”，即使在硬件存在差异的情况下也能实现技能的迁移。实验表明，一个机器人习得的任务可以在其他类型的机器人上复现，这为通用机器人控制和技能共享奠定了基础。

Google DeepMind最新升级的AI模型使机器人能够执行更为复杂的任务，甚至可以通过网络获取所需信息。DeepMind机器人部门负责人Carolina Parada在新闻发布会上表示，公司的新AI模型协同运作，使机器人在实际行动前能够“多步推理”，提前规划行动方案。

此次系统升级采用了全新发布的Gemini Robotics 1.5和Gemini Robotics-ER 1.5这两款模型，对今年三月发布的AI模型进行了重大改进。现在，机器人已不再局限于单一的任务，比如折纸或拉开拉链，而是能够处理更复杂的操作，例如按深浅分拣洗衣物、根据伦敦当前天气打包行李，甚至通过针对当地要求进行网络搜索来协助垃圾、堆肥和回收物分类。

Parada介绍：“以往的模型能够很好地执行一条指令，并且具有广泛适用性。这次升级后，我们实现了从接受单一指令到真正理解和解决实际物理任务的转变。”

具体而言，机器人首先利用升级后的Gemini Robotics-ER 1.5模型理解其所处环境，并像人类一样使用Google搜索工具查找信息。随后，Gemini Robotics-ER 1.5会将搜索结果转化为自然语言指令，再交给Gemini Robotics 1.5模型，让机器人结合视觉和语言理解能力完成每一步操作。

DeepMind软件工程师Kanishka Rao指出，这些AI模型能够帮助不同构造的机器人互相“学习”，哪怕硬件配置存在差异。实验发现，ALOHA2机器人（配备机械臂）完成的任务可以直接在Franka双臂机器人及Apptronik“阿波罗”类人机器人上复现，“这意味着我们能用一个模型控制各类机器人，包括类人型机器人，且某个机器人习得的技能可以迁移到另一台机器人身上。”

Gemini Robotics-ER 1.5现已通过Gemini API在Google AI Studio向开发者开放，但Gemini Robotics 1.5仅对部分合作伙伴开放体验。

这一突破让机器人具备了利用网络为现实问题寻求解决方案的能力，有望推动自动化应用领域再上新台阶。