定位方面，该模型可视为机器人的“高级大脑”，协调处理与人类交流、理解物理世界并规划多步骤任务等。该模型后续会向更低层级的

　　在功能方面，相比较此前 1.6 版本，Gemini Robotics ER 2 模型通过持续观看，机器人现在可以追踪自身的运行进度，在出现问题时进行调整，并准确把握进入下一步的时机。模型还可原生调用 Google Search或开发者自定义函数。

　　在物理智能体方面，在机器人当前处于执行任务状态下，Gemini Robotics ER 2 模型可以同步推理后续步骤，以减少传统机器人“停止 — 思考 — 再行动”带来的停顿。该模型接入 Gemini Live API的双向流式端点，面向对延迟敏感的机器人任务。

　　相较 Gemini Robotics ER 1.6，ER 2 可分析连续流。机器人可据此跟踪自身任务进度，在动作出错时调整或重试，并判断何时进入下一步骤。

　　在任务进度分类测试中，Gemini Robotics ER 2 的准确率为 57.4%。该能力可帮助机器人在不重启整个工作流的情况下修正失败步骤。

　　在 moment-finding 时刻寻找测试中，模型需要找出关键事件发生的精确帧，例如判断何时停止向杯中倒咖啡。ER 2 的准确率为 91.3%，平均绝对时间误差为 0.96 秒。

　　谷歌称，该模型以更低计算成本达到接近更大模型类别的精度，执行速度为其 4 倍，并满足现实机器人安全运行所需的亚秒级延迟要求。

　　ER 2 还支持多机器人协作。不同类型的机器人可借助共享语义理解沟通、交接任务，并完成单台设备难以独立完成的复杂工作流。谷歌展示了 Apptronik 的 Apollo 2 与 Franka 的 FR3 Duo 协作案例。