谷歌Gemini Robotics 2.5发布：奔驰产线实测成功率96%
机器人前瞻（公众号：robot_pro） 作者 | 周加琦 编辑 | 漠影 机器人前瞻11月11日报道，昨晚，Google DeepMind正式发布新一代VLA模型Ge....
机器人前瞻11月11日消息，Google 
DeepMind于昨晚正式推出新一代VLA模型Gemini Robotics 2.5，宣称该模型可学习并完成上百项日常操作，涵盖叠衣、递送点心，以及工厂产线上分拣汽车零部件等。
Google DeepMind方面称，这是其目前能力最强的VLA模型，机器人的操作范围得到扩展，任务成功率与执行速度也一并提高。
与之前的模型相比，该模型在部分任务中成功率最多提升100%，执行速度最高提升30%，在奔驰汽车产线的任务成功率达到96%。
有网友在评论区打趣说：“既能叠衣服，又能在奔驰产线干活，原来机器人也得打两份工”。
但更多人把注意力放在其在真实场景中的可靠性上。一位网友表示：“即使测试显示拾取零部件的准确率达96%，但在装配线上，剩下这4%的失误才是关键”。
一、200多项任务实测，奔驰产线成功率达96%
与Gemini Robotics系列此前的模型相比，Gemini Robotics 2.5的提升集中在灵巧性、可靠性和安全性三方面。
灵巧性是这次升级的重头戏。
放到真实环境里，机器人不能只做简单的抓取和放置，还得应对各种复杂操作——使用工具、处理容易变形的柔性物体、精细操作易损物品等。
为此，Google DeepMind围绕200多项不同任务，对Gemini Robotics 2.5的操作能力做了测试。结果显示，对比此前的基线模型，该模型在各类任务中的成功率相对提升30%至100%，执行速度提高20%至30%。
具体来说，多步骤和接触密集型任务中，Gemini Robotics 2.5的表现改善明显。
比如关闭黑色工具箱盖子的任务，模型成功率从0%提升至93%；把悬挂的杯子取下并放到桌面上，成功率从29%提升至75%；用刷子将垃圾扫入簸箕，成功率从0%提升至52%。
面对更复杂的灵巧操作，模型同样进步明显。
使用夹子装取糕点的任务，成功率从5%提升至100%；解开丝带蝴蝶结从0%提升至70%；悬挂开衫从0%提升至62%；折叠裤子则从0%提升至40%。
另外，Gemini Robotics 2.5依旧支持多种不同类型的机器人本体，包括配备SharpaWave灵巧手的Apollo 2，以及采用夹爪的Franka Duo。
除实验室环境中的操作能力外，Google DeepMind还与Apptronik、奔驰合作，把模型带到了汽车生产线。
这次PoC的任务是汽车零部件分拣与排序。Apollo 2要从装有大量零部件的料箱中取出指定部件，再按照产线车辆的装配需求放入对应托盘。
过程中，Gemini Robotics ER负责跟踪整个任务流程，Gemini Robotics 2.5负责控制机器人的手和手臂。最终，Apollo 2在该任务中取得96%的成功率。
Apptronik联合创始人兼CEO Jeff Cardenas表示，经过短短几周的后训练，模型性能便显著提升，迁移到奔驰真实生产线后，性能下降幅度也很小。
二、安全操控能力提升，Gemini 4 Argon加速训练
灵巧性和可靠性之外，Gemini Robotics 2.5还增强了机器人在复杂环境中的安全操控能力。
Google DeepMind为Gemini Robotics 2.5引入了推理时引导机制，让机器人在执行任务时实时调整动作，避开周边的物理危险。
结果显示，该机制使机器人在障碍物附近安全完成任务的成功率提升33%，在人员附近提升43%。
机器人前瞻（公众号：robot_pro） 作者 | 周加琦 编辑 | 漠影
Google DeepMind方面称，在Gemini Robotics 2.5的研发过程中，Gemini 4 Argon扮演了重要角色。
机器人要学会新技能，离不开海量真实物理数据。Gemini 4 Argon这时可以当仿真引擎用：它以真实场景画面为基础，搭建逼真的数字孪生环境，一次生成数千次不同的模拟练习。这些仿真数据再配上真实的训练示范，能帮机器人更快适应新场景和新物体。
它还有另一手：看机器人执行任务的视频，推断任务为什么失败，然后把改进方案放到仿真环境和真实机器人上分别验证。
训练之外，Gemini 4 Argon在安全评测上的成绩也不错。
Google DeepMind这次开源了安全评测基准ASIMOV-Jailbreak。该基准包含数百条测试提示词，覆盖数十种场景，主要用来检验模型能不能挡住伪装成正常指令的危险要求和越狱攻击。
评测结果显示，Gemini 4 Argon对越狱攻击的抵抗率为99.5%，此前Gemini Robotics ER 2为82%。
结语：大模型加速训练，真实操作仍是关键
Gemini Robotics 2.5的这次升级，既反映出VLA模型在机器人操作能力上的进步，也让人看到通用大模型在机器人训练和研发环节的更多可能。
用大模型生成仿真数据、分析任务失败原因，能提升机器人学习新技能的效率，并减少对真机数据的依赖。但说到底，任务成功率、可靠性和安全性能否持续提高，仍是具身智能走向规模化落地的关键。
