Google DeepMind 发布 Gemini Robotics 2.5，奔驰产线试点分拣成功率达 96%

Google Deepmind 发布了一款用于机器人控制的新 AI 模型。据称，在梅赛德斯-奔驰活跃生产线上的试点测试中，一台人形机器人取得了 96% 的成功率。

Google Deepmind 推出了 Gemini Robotics 2.5，这是一种视觉-语言-动作模型（VLA），能够处理视觉信息、理解语言指令并将其转化为机器人动作。该模型建立在其今年早些时候推出的前代模型基础上，前代模型首次为机器人设计了全身控制能力。

Google Deepmind 表示，该模型在 200 多项任务上进行了测试，包括用夹子盛放食物和移液。与公司自身此前的基线相比，据称根据任务类型不同，其成功率提高了 30% 至 100%，完成任务的速度快了 20% 至 30%。

该模型设计用于配合不同类型的机器人，包括 Apptronik 拥有 22 个自由度五指手的人形机器人 Apollo 2，以及配备两指平行夹爪的 Franka Duo 平台。

Google Deepmind 在梅赛德斯-奔驰活跃生产线上测试该模型

Google Deepmind 与 Apptronik 和梅赛德斯-奔驰合作，在匈牙利凯奇凯梅特和德国辛德芬根的活跃生产线上测试了该模型。Apollo 2 机器人负责配料工作：它从散装料箱中分拣金属零件，并按装配线上每辆车的所需顺序将其放入托盘。两个 AI 模型协同工作。Gemini Robotics ER 监控工作流程，而 Gemini Robotics 2.5 控制手和手臂。

视频：Google

Google Deepmind 报告称，此次试点测试的成功率为 96%。Apptronik 首席执行官 Jeff Cardenas 表示，这些模型在训练后几周内就显著提升，并成功过渡到梅赛德斯的生产中，性能损失极小。

针对越狱的新安全基准

据 Google Deepmind 称，Gemini Robotics 2.5 采用实时控制，使机器人能够在执行任务时避开物理危险。在其自身的评估中，在障碍物附近的安全任务完成率提高了 33%，在人员附近提高了 43%。

此外，Google Deepmind 已在 Hugging Face 上发布了开源 ASIMOV-Jailbreak 基准。它包含数百条提示词，将不安全请求伪装在数十个场景中，旨在测试机器人模型是否会被诱骗执行危险动作。据该公司称，Google 自家的模型 Gemini 4 Argon 实现了 99.5% 的抗越狱能力，而其前代 Gemini Robotics ER 2 为 82%。

Argon 语言模型通过模拟生成训练数据

在 Gemini Robotics 2.5 的开发过程中，Google Deepmind 将其自家的语言模型 Gemini 4 Argon 用作模拟引擎。Argon 可以从真实相机场景生成数千次模拟训练运行，并创建数字孪生。结合真实世界的训练演示，这旨在帮助机器人更快地泛化到新场景和新物体。Argon 还可以从视频录像中推断错误原因的假设，并在模拟和实际机器人上测试改进。

据 Google Deepmind 称，Gemini Robotics 2.5 正在向合作伙伴 Agile、Apptronik 和梅赛德斯-奔驰推广。

没有炒作的 AI 新闻——由人类精选

订阅 THE DECODER，即可享受无广告阅读、每周 AI 新闻通讯、每年六期独家“AI Radar”前沿报告、完整档案访问权限，以及评论区访问权限。