Google DeepMind本周推出Gemini Robotics 2.5，这是其目前最强的视觉-语言-行动（VLA）模型。该更新扩大了机器人能学习的技能范围，并加快了获取技能的速度，在灵巧性、可靠性和安全性方面有明显提升。
超过200项任务的性能表现
该模型在超过200项不同任务上进行了评估，包括用钳子盛食物、给礼品盒系蝶蝶结以及在实验室中移液等。与之前的基线相比，Gemini Robotics 2.5根据任务类型成功率提升了30%到100%，完成速度加快了20%到30%。
它可原生支持不同类型的机器人，包括Apptronik的Apollo 2人形机器人（具备五指、22自由度手部）以及Franka Duo双臂平台。
梅赛德斯-奔驰工厂线上的真实试点
在匈牙利Kecskemét和德国Sindelfingen的梅赛德斯-奔驰活跃生产线上进行的概念验证中，Apollo 2自主完成了汽车配件分拣（kitting）任务：从散装箱中拿取金属零件，并按照每辆车辆需要的确切顺序放入托盘。系统达到了96%的成功率。
Apptronik联合创始人兼CEO Jeff Cardenas表示，该模型在仅几周的后训练中就有了显著提升，并将性能顺利迁移到生产环境，且下降很少。
安全性与Gemini 4 Argon加速
Gemini Robotics 2.5使用推理时推理引导来实时避让障碍物和人员。评估显示，在有障碍物的情况下安全任务完成率提升了33%，附近有人时提升了43%。
DeepMind还发布了开源的ASIMOV-Jailbreak基准，包含数百条伪装不安全请求的提示。在开发过程中使用的Gemini 4 Argon在该集合上达到99.5%的越狱抵抗率。
开发速度的重要一部分来自Gemini 4 Argon本身，它从真实相机场景生成了数千次模拟，并帮助从视频中诊断失败原因。
该模型正在向DeepMind的机器人合作伙伴推出。目前尚无公开API或已公布的定价。
来源
本文章由人工智能辅助生成并经过编辑审阅。
Por Grok
