Google DeepMind 发布 Gemini Robotics 2.5，在奔驰产线试点中分拣金属零件成功率达 96%

Google DeepMind 发布了全新的机器人控制 AI 模型。在奔驰（Mercedes-Benz）实际生产线上的试点测试中，据报道一个人形机器人达到了 96% 的成功率。

Google DeepMind 推出了 Gemini Robotics 2.5，这是一个视觉-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的动作。该模型基于今年早些时候推出的前代版本，那一版本首次让机器人实现了全身控制。

Google DeepMind 表示，他们在 200 多个任务上测试了该模型，包括用夹子分发食物和移液。据报道，与该公司此前的基准相比，该模型根据任务类型的不同，成功率高出了 30% 到 100%，并且完成任务的速度快 20% 到 30%。

该模型设计为可与不同类型的机器人协作，包括 Apptronik 的 Apollo 2 人形机器人（配备拥有 22 个自由度的五指手），以及配备两指平行夹爪的 Franka Duo 平台。

Google DeepMind 在奔驰实际生产线上测试该模型

Google DeepMind 与 Apptronik 和奔驰合作，在匈牙利凯奇凯梅特（Kecskemét）和德国辛德芬根（Sindelfingen）的实际生产线上测试了该模型。Apollo 2 机器人负责套件装配：它从散料箱中分拣金属零件，并按照装配线上每辆车所需的顺序将其放入托盘。两个 AI 模型协同工作：Gemini Robotics ER 监控工作流程，而 Gemini Robotics 2.5 控制手部和手臂。

视频：Google

Google DeepMind 报告称，这次试点测试的成功率为 96%。Apptronik CEO Jeff Cardenas 表示，这些模型在几周的后训练中显著改进，并以最小的性能损失顺利过渡到奔驰的生产环境。

针对越狱的新安全基准

据 Google DeepMind 称，Gemini Robotics 2.5 采用实时控制，使机器人在执行任务时能够避开物理危险。在该公司自己的评估中，在障碍物附近安全完成任务的能力提升了 33%，在人员附近提升了 43%。

此外，Google DeepMind 还在 Hugging Face 上发布了开源的 ASIMOV-Jailbreak 基准。它包含数百条在数十种场景中伪装不安全请求的提示词，旨在测试机器人模型是否会被诱导执行危险操作。据该公司称，Google 自家的模型 Gemini 4 Argon 实现了 99.5% 的越狱抗性，而其前代 Gemini Robotics ER 2 为 82%。

Argon 语言模型通过仿真生成训练数据

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 用作仿真引擎。Argon 可以从一个真实的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 还可以从视频记录中推断错误原因的假设，并在仿真和真实机器人上测试改进效果。

据 Google DeepMind 称，Gemini Robotics 2.5 正在向合作伙伴 Agile、Apptronik 和奔驰推出。

AI News Without the Hype – Curated by Humans

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期的独家“AI Radar”前沿报告、完整档案访问权限以及评论区的发言权限。