Google DeepMind发布Gemini Robotics 2.5，称Apollo 2在奔驰产线零件分拣成功率达 96%
Google DeepMind称这是其迄今最强的视觉-语言-动作模型，在 200 项任务上评测，成功率较此前基线提升 30% 至 100%，完成速度提升 20% 至 30%；该模型正向机器人合作伙伴推送。
AI解读：Google DeepMind于 2026 年 11 月 10 日发布Gemini Robotics 2.5，称这是其迄今最强的视觉-语言-动作（VLA）模型，提升了机器人可学习技能的广度与掌握速度。
公司与Apptronik、梅赛德斯-奔驰合作，在匈牙利Kecskemét和德国Sindelfingen的汽车产线上做概念验证：Apollo 2人形机器人自主完成汽车零件分拣，成功率为 96%。
DeepMind称在 200 项任务评测中，模型成功率较此前基线提升 30% 至 100%（视任务类型而定），任务完成速度快 20% 至 30%。
安全方面，DeepMind称推理时的安全引导使绕开障碍物的安全任务完成率提升 33%、在人员附近时提升 43%，并发布开源越狱测试基准ASIMOV-Jailbreak。
这些数字均为DeepMind自述的评测与试点结果，96% 的成功率来自特定产线上的概念验证，尚不能外推为普遍部署效果。
Google DeepMind发布Gemini Robotics 2.5，称这是其迄今最强的视觉-语言-动作（VLA）模型，在技能广度、可靠性和安全性三方面做了改进，并正向机器人合作伙伴推送。
DeepMind称，与Apptronik、梅赛德斯-奔驰合作的概念验证中，搭载该模型的Apollo 2人形机器人在汽车产线上自主完成零件分拣，成功率为 96%。
200 项任务评测与性能数字
DeepMind表示，Gemini Robotics 2.5在 200 项不同任务上做了评测，任务包括用夹子分餐、给礼盒系蝴蝶结、移液等，涉及工具使用、柔性物体操作和精细物件处理。
公司称，与此前基线相比，该模型视任务类型不同，成功率高出 30% 至 100%，完成任务快 20% 至 30%。这些是DeepMind自述的评测结果。
模型原生支持多种机器人形态，包括Apptronik的Apollo 2人形机器人（配五指的SharpaWave手，22 个自由度）和配两指平行夹爪的Franka Duo平台。
奔驰产线上的概念验证
试点在匈牙利Kecskemét和德国Sindelfingen的梅赛德斯-奔驰产线上进行。DeepMind称，Apollo 2自主执行汽车零件分拣（kitting）：从散装料箱中按每辆车的装配顺序取出金属支架，放入排序容器，并自行纠正取放间隙。
该流程由DeepMind的具身推理模型Gemini Robotics ER跟踪工作流，Gemini Robotics 2.5动作模型控制手和手臂。DeepMind称，这可以把重复性的准备工作交给机器人，让技术人员专注于复杂装配任务。
96% 的成功率来自这一特定场景的试点，DeepMind未说明统计口径、任务时长或连续运行次数。
安全引导与越狱测试基准
DeepMind称，Gemini Robotics 2.5通过推理时的引导实时绕开物理危险。公司称，这项能力使绕开障碍物的安全任务完成率提升 33%，在人员附近时提升 43%。
DeepMind同时发布开源基准ASIMOV-Jailbreak，包含数百条在数十个场景中伪装不安全请求的提示。公司称Gemini 4 Argon在该基准上的越狱抵抗率为 99.5%，此前基线Gemini Robotics ER 2为 82%。
Gemini 4 Argon用于训练加速
DeepMind称，Gemini 4 Argon在机器人研究中的能力加速了Gemini Robotics 2.5的开发：它可以从真实相机场景生成数千次模拟练习并构建数字孪生，帮助机器人更快泛化到新场景和物体；还能从视频中推测任务失败原因，并在仿真和真机上测试改进方案。