机器人基础模型

Spot取物演示中，ER 2负责高层计划、API选择和进度确认，Spot原有的导航、机械臂接口与控制器负责实际移动和抓取。

ER 2标准版与流式版都有免费层，付费输入和输出分别为每百万token 2美元与10美元；两者支持的工具和通信方式不同。

On-Device 2在机器人本地读取指令、图像和本体状态，输出数值动作；它不是公开Gemini API模型，目前仅面向Trusted Testers。

Google物理AI不是一款面向消费者销售的单体机器人，而是把高层推理、本地动作模型、API和合作伙伴硬件连接起来的模型体系。

Gemini Robotics ER 2是面向机器人的高层视觉语言模型，负责理解环境、规划步骤、调用工具和跟踪进度，不直接输出电机动作。

将GR00T N1.7理解为早期访问的3B视觉-语言-动作模型，包括架构、数据格式、适配和硬件评估，并整理真实机器人部署前需要核对的条件、指标与失败证据。

VLM能够解释视觉和语言； VLA还能产生机器人动作。了解输出、训练数据、反馈、具身和评估之间的差异，并整理真实机器人部署前需要核对的条件、指标与失败证据。

解释机器人基础模型如何在多任务、多场景和多种机体之间复用知识，并梳理预训练、微调、动作空间、数据覆盖与实机评估限制。

解释 VLA 模型如何把图像与语言指令转换为机器人动作，并比较 VLM、动作标记、训练数据、实时控制、失败恢复和评估限制。