Gemini Robotics ER 2

Gemini Robotics ER 2 (Embodied Reasoning 2) presenterades av Google DeepMind den 30 juli 2026 och efterträder Gemini Robotics ER 1.6. Den är tänkt som robotens planerande del: den förstår rummet och föremålen, planerar uppgifter i flera steg och pratar med människor, medan själva rörelserna sköts av en annan modell, till exempel en VLA-modell, eller av ett robot-API. Sådana modeller, navigering, Google Search och egna funktioner kopplas in som verktyg.

Modellen bygger på Gemini 3.5 Flash och tar emot text, bild, video och ljud. Via Live API kan den strömma video och ge kommandon utan långa tankepauser. Den kan följa hur en uppgift går genom att titta på video, se om något misslyckas och göra om bara det steget, hitta exakta ögonblick (som när man ska sluta hälla), läsa av tio sorters mätinstrument och låta olika robotar dela upp en uppgift mellan sig. Enligt Google når den 57,4 % rätt i att avgöra hur långt en uppgift kommit och 91,3 % rätt i att hitta rätt ögonblick, med i snitt 0,96 sekunders avvikelse. Google kallar den sin säkraste robotikmodell, med förbättringar på tester för säkerhetsinstruktioner och för när människor är nära; i ett test stoppade den en humanoid robot när en person kom för nära.

Modellen finns som förhandsversion (gemini-robotics-er-2-preview) i Gemini API och Google AI Studio, och i begränsad förhandsversion på Gemini Enterprise Agent Platform. Det finns också en strömmande variant för Live API. Den kan ta in upp till 128 000 tokens och ge ut 64 000. Priset är 1 dollar per miljon tokens in och 5 dollar ut till och med 31 december 2026, därefter 2 respektive 10 dollar. Google avråder från användning i säkerhetskritiska tillämpningar.