Gemini 4 Hydrogen 以更高的具身推理得分取代 Gemini Robotics ER 2

关键要点

  • Google 于 11 月 12 日发布 Gemini 4 Hydrogen,其在具身推理测试中的得分为 84.8,而 Gemini Robotics ER 2 得分为 75.5。
  • Gemini 4 Hydrogen 在 Gemini API 中的价格为每百万个输入代币 1.50 美元,每百万个输出代币 7.50 美元。
  • Google 为 Antigravity 开源的 Robotics 插件支持 I2RT YAM、I2RT YAM Pro、LeRobot SO-101 和 Franka FR3 Duo 机械臂,采用 Apache 2.0 许可证。

谷歌周二发布了一篇关于 Gemini 4 Hydrogen 的机器人技术文章。该模型速度更快、成本更低,于 11 月 12 日加入 Gemini 4 系列;谷歌还为其 Antigravity 编程环境推出了新的 Robotics 插件。根据谷歌开发者博客上的文章,Gemini 4 Hydrogen 接替了 Gemini Robotics ER 2 的角色。DeepMind 于 7 月发布了这款具身推理模型,而在谷歌公布的几乎所有具身推理指标上,Hydrogen 的得分都高于 ER 2。

Gemini 4 Hydrogen 超越具身推理前代模型

在谷歌的对比测试中,Gemini 4 Hydrogen 在 15 项具身推理测试中的平均得分为 84.8,而 Gemini Robotics ER 2 为 75.5。谷歌表示,Hydrogen 将 ER 模型的能力带入了 Gemini 4 主系列。对比图显示,Hydrogen 在 15 项测试中有 13 项领先,在多点指向测试中大致持平,在可操控指向测试中落后。最大性能差距出现在识别被拾取物体和事后标注方面。谷歌特别指出,Hydrogen 在多视角对应和 3D 轨迹推理方面优于 ER 2,但文章没有公布这些具体指标的底层得分。

在 AA-Robotics 基准测试中,模型通过控制一只真实的 6 轴机械臂完成 8 项桌面任务。该基准由 Artificial Analysis 于 10 月 14 日以研究预览版形式推出,谷歌报告称 Hydrogen 得分为 58。Gemini 4 Argon 于 10 月得分为 55.3,而 GPT-6 Astra 得分为 69.4。AA-Robotics 基准测试在编码代理框架内以零样本方式运行模型,并通过 HTTP API 连接一只 Hiwonder 6 轴机械臂、三台桌面摄像头和一台腕部摄像头。模型需要尝试 8 项任务:按下红色按钮、将玩具鳄鱼放进矩形区域、倒饮料、把积木收拾进盒子、完成形状匹配拼图、写下“hello world”、搭建最高的塔,以及将盒子的测量误差控制在 2 毫米以内。人工评审会为每次尝试打分,满分为 100 分,并允许部分得分。

Hydrogen 的代理工作流与 API 定价

Hydrogen 将代理工作流——模型根据自然语言目标编写并运行机器人代码——带入了比 Argon 更低价的档位。谷歌 DeepMind 机器人部门副总裁兼负责人 Carolina Parada 称,Hydrogen 是该公司最适合“接上机器人并给出提示词”的机器人模型。她指出,机械臂可以在 10 分钟内通过 USB 连接,而且团队在大约一小时内就搭建出了一个零食分拣传送带演示。

在 Gemini API 中,Hydrogen 的输入代币价格为每百万个 1.50 美元,输出代币价格为每百万个 7.50 美元;在 100 万代币上下文窗口范围内采用统一定价。谷歌在 11 月 12 日的发布文章中将 Hydrogen 定位为低于 Argon 和 Gemini 4 Carbon 的代理工作“日常主力”模型,并表示其完成任务的速度比 Gemini 3.8 Flash 快 2.5 倍。在 Antigravity 中,AI Pro 订阅用户可以使用 Hydrogen,而 Argon 仅限 Ultra 订阅用户使用。

Antigravity Robotics 插件与支持的硬件

谷歌以 Apache 2.0 许可证发布了适用于 Antigravity 的开源 Robotics 插件,为谷歌的代理式编程环境增添了相关技能。该插件涵盖三个功能领域:通过 USB 启动机械臂,包括安装驱动程序、发现摄像头、校准和安全检查;根据工作空间的文字描述、链接、文档或照片构建并预览 MuJoCo 仿真,并通过聊天进行调整;以及控制功能,由代理编写控制器、在 MuJoCo 中测试,再在真实硬件上运行相同代码。

支持的机械臂包括 I2RT YAM、I2RT YAM Pro、Hugging Face 的 LeRobot 项目推出的低成本 SO-101,以及 Franka Research 3(也称 Franka FR3 Duo)。谷歌提供的示例提示词包括“启动我的 SO-101 机械臂并让它挥挥手”和“把零食一个个叠起来”。一只连接外置深度摄像头、通过 USB 接入笔记本电脑的 I2RT YAM 机械臂,大约 10 分钟内就完成了校准并准备好执行任务。

使用 Antigravity 插件构建的演示

谷歌展示了三个使用 Robotics 插件构建的项目。零食分拣传送带项目从一张白板草图开始,Hydrogen 据此构建单元的 MuJoCo 仿真,在多次运行中测试抓取策略,并将策略部署到真实机械臂上。谷歌称,端到端工作约一小时后,机械臂就能“可靠地从移动传送带上分拣零食”,但没有提供成功率。肥皂商店项目将一个网络商店连接到两只 YAM Pro 机械臂,由它们包装薄荷和柑橘香味的肥皂,并为每笔订单打印一张感谢便笺。国际象棋演示采用 Franka FR3 Duo 配置,可模拟棋盘并与自己或他人对弈,项目在“几条提示词之后”便构建完成。

访问方式、部署与开发者工具

Hydrogen 在 Gemini API 中以 gemini-4-hydrogen 的名称提供,并从第一天起就支持 google-genai SDK;开发者还可以在 Google AI Studio 中通过浏览器体验空间提示词和实时摄像头视频流。在 Antigravity 中,用户必须订阅付费版 Google AI Pro 或 Ultra 才能访问。该插件可以从 Antigravity“自定义”菜单中的 Build With Google 栏目安装,也可以通过命令行从 GitHub 安装,地址为 https://github.com/google-deepmind/robotics-antigravity-plugin. 需要 Gemini API 密钥才能使用调用 Gemini 感知模型的技能。谷歌正在仓库的讨论专区收集项目和提示词。

关键事实

  • Gemini 4 Hydrogen 在 15 项具身推理测试中的平均得分为 84.8,而 Gemini Robotics ER 2 为 75.5;Hydrogen 在 15 项测试中有 13 项领先。
  • 在 AA-Robotics 基准测试中,Hydrogen 得分为 58,Gemini 4 Argon 得分为 55.3,GPT-6 Astra 得分为 69.4。
  • 在 Gemini API 中,Hydrogen 的输入代币价格为每百万个 1.50 美元,输出代币价格为每百万个 7.50 美元;在 100 万代币上下文窗口范围内采用统一定价。
  • Gemini 4 Hydrogen 于 11 月 12 日加入 Gemini 4 系列。
  • DeepMind 于 7 月发布了 Gemini Robotics ER 2,作为 Gemini Robotics 2 发布内容的一部分。
  • 适用于 Antigravity 的开源 Robotics 插件采用 Apache 2.0 许可证发布,支持 I2RT YAM、I2RT YAM Pro、LeRobot SO-101 和 Franka FR3 Duo 机械臂。
  • 一只带有外置深度摄像头的 I2RT YAM 机械臂通过 USB 连接后,大约 10 分钟内便完成校准并准备好执行任务。
  • 零食分拣传送带演示从头到尾约一小时便搭建完成。
  • Hydrogen 完成任务的速度比 Gemini 3.8 Flash 快 2.5 倍。
  • 在 Antigravity 中,AI Pro 订阅用户可以使用 Hydrogen,而 Argon 仅限 Ultra 订阅用户使用。

常见问题

Gemini 4 Hydrogen 在具身推理任务方面与 Gemini Robotics ER 2 相比如何?

Gemini 4 Hydrogen 在 15 项具身推理测试中的平均得分为 84.8,而 Gemini Robotics ER 2 为 75.5。谷歌的对比图显示,Hydrogen 在 15 项测试中有 13 项领先,在多点指向测试中大致持平,在可操控指向测试中落后。最大性能差距出现在识别被拾取物体和事后标注方面;谷歌还特别强调,Hydrogen 在多视角对应和 3D 轨迹推理方面优于 ER 2。

新的 Antigravity Robotics 插件支持哪些功能?

以 Apache 2.0 许可证发布的 Antigravity 开源 Robotics 插件支持通过 USB 启动机械臂,包括安装驱动程序、发现摄像头、校准和安全检查。它可以根据工作空间的文字描述、链接、文档或照片构建并预览 MuJoCo 仿真。该插件还支持控制工作流:由代理编写控制器,在 MuJoCo 中测试,并在真实硬件上运行相同代码。支持的机械臂包括 I2RT YAM、I2RT YAM Pro、LeRobot SO-101 和 Franka FR3 Duo。

Gemini 4 Hydrogen 的 API 定价是多少?

在 Gemini API 中,Gemini 4 Hydrogen 的输入代币价格为每百万个 1.50 美元,输出代币价格为每百万个 7.50 美元,在 100 万代币上下文窗口范围内采用统一定价。在 Antigravity 中,使用 Hydrogen 需要订阅付费版 Google AI Pro 或 Ultra;与之相比,Argon 仅限 Ultra 订阅用户使用。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论