高レベルの embodied reasoning を担い、人間との対話・物理世界の理解・多段タスク計画を行い、モータ実行は下位の vision-language-action（VLA）モデルやナビゲーション API に渡す。Google Search などツール呼び出しもネイティブに扱える。ER 1.6 からの主な差分は、連続動画フィードでの進捗追跡と失敗時の適応、および共有空間での複数ロボット協調。
提供チャネルと API ID：
- Gemini API / Google AI Studio:
gemini-robotics-er-2-preview（入出力上限は入力 131,072・出力 65,536 トークン） - 低遅延向けストリーミング:
gemini-robotics-er-2-streaming-preview（Gemini Live API の双方向エンドポイント） - Gemini Enterprise Agent Platform: プライベートプレビュー
下位制御インタフェースをツールとして宣言し、動画・音声・テキストをストリーム投入する構成を想定。進捗分類（フレームを 5 段階の完了度に割当て）と moment-finding（注ぎ止めなど臨界フレームの特定）を強化したとされ、ベンダー評価では進捗分類 57.4%、moment-finding 91.3%（平均絶対距離 0.96 秒）。第三者横断ベンチと ER 2 専用の公式従量単価表は、この時点では Gemini API の Pricing ページに掲載がない。