Google DeepMind 发布 Gemini Robotics 2.5，助力人形机器人迈向工厂

Google DeepMind 近日发布了 Gemini Robotics 2.5，这是其迄今为止最先进的视觉-语言-行动（VLA）模型。该模型已开始向机器人合作伙伴开放，并在梅赛德斯-奔驰工厂与 Apptronik 合作的试点项目中表现出色，Apollo 2 人形机器人在汽车零部件分拣任务中的成功率达到了 96%。

灵活性与执行速度大幅提升

DeepMind 在超过 200 项任务中评估了模型性能，包括用钳子夹取食物、为礼盒系蝴蝶结及移液操作。实验室测试显示，相比此前的基准模型，Gemini Robotics 2.5 在特定任务中的成功率提升了 30% 到 100%，执行速度提升了 20% 到 30%。其中，系蝴蝶结任务因涉及形变物体，对机器人控制能力要求极高。该模型适配了具有 22 个自由度的五指手掌 Apollo 2 机器人以及 Franka Duo 双指平台。

工厂产线实测

该概念验证项目在匈牙利和德国的工厂产线同步运行。Apollo 2 机器人负责从物料箱取出金属支架，并按车型生产需求顺序放入托盘。Gemini Robotics ER 负责监控流程，而 Gemini Robotics 2.5 负责驱动机械臂与手部操作。Apptronik CEO Jeff Cardenas 表示，该模型在经过短短几周的后期训练后，性能即实现了显著提升，且在工厂实际生产环境中的表现非常稳定。

尽管 96% 的成功率在机器人领域表现强劲，但距离工业生产要求的极高可靠性仍有差距。DeepMind 总监 Kanishka Rao 指出，填补剩余的 4% 性能鸿沟将是一段充满挑战的“陡峭之路”。

安全基准与模型泛化

DeepMind 推出了名为 ASIMOV-Jailbreak 的开源安全基准，用于测试机器人是否会被诱导执行危险操作。得益于新的推理引导机制，模型在避障任务中的安全性提升了 33%，在人员周边工作的安全性提升了 43%。此外，DeepMind 利用 Gemini 4 Argon 作为仿真引擎，通过生成数千次训练模拟和数字孪生，大幅提升了机器人在面对新场景和新物体时的泛化能力。