AREX Feed Article
Google DeepMind 发布 Gemini Robotics 2.5：官方称 Apollo 2 已在奔驰产线以 96% 成功率分拣汽车零件
北京时间 11 月 10 日深夜（UTC 15:00 许），Google DeepMind 在官方 X 账号发布，并在官网博客同步刊出公告，称这是其“迄今最强大的视觉-语言-动作（vision-language-action，VLA）模型”——这类模型把机器人看到的画面和收到的指令直接转成动作。官方帖文称，这个最新的物理 AI（physical AI）能学会数百项日常技能，从叠洗衣物、端送糕点到在工厂车间自主分拣汽车零件，并称其灵巧度“接近人类的精细操作水平”。
具体数字中最硬的一条来自工厂验证：称，在与机器人制造商 Apptronik 和汽车厂商 Mercedes-Benz 的概念验证中，Gemini Robotics 2.5 帮助 Apollo 2 人形机器人在匈牙利凯奇凯梅特（Kecskemét）和德国辛德尔芬根（Sindelfingen）的活跃汽车产线上，以 96% 的成功率拾取并整理供装配使用的汽车零件。截至目前，公告中的所有成绩均出自 DeepMind 及其合作方自己的评测，未附第三方独立基准。
图：Google DeepMind 官方演示视频画面，机器人双臂完成系蝴蝶结、用夹子分装糕点、叠衣、扫地入簸箕等任务，各分格标注了不同速度标记。（来源：DeepMind 发布博客）
Apollo 2 在产线上做的是套件分拣
博客把这项工作称为汽车套件分拣（kitting）：从散装箱里挑出单个零件，按产线上每台车所需的顺序码放进整理托盘——一项重复且体力负担重的工序。官方描述的流程是：机器人把手伸进料箱，抓起金属汽车支架，放进排序容器，并随时纠正错漏。整套动作由两个模型分工完成，Gemini Robotics ER 负责跟踪工作流，Gemini Robotics 2.5 负责控制手和手臂。DeepMind 称，把这类单调的准备工作交给机器人，可以让技师专注于复杂的装配任务。
96% 这个数字的边界也值得写明：官方帖文写的是“96% accuracy”，博客写的是“96% success rate”，两处都没有公布背后统计了多少次拾取。 在 LinkedIn 上引述 DeepMind 的说明：剩下的 4% 包括“操作失误或语义错误”，主要指零件被放进了错误的料箱；至于工业场景要求多高的成功率才算够，DeepMind 的回答是因任务而异，有些错误比其他错误更容易纠正。
Apptronik 联合创始人兼 CEO Jeff Cardenas 在博客中被引述说：“我们造 Apollo 就是为了这个：在真实工业环境中与人一起做有用的工作。把 Apollo 2 与 Gemini Robotics 配对后，我们看到模型在仅仅几周的后训练里就显著进步，并且以很小的性能落差迁移到了奔驰的生产线上。”他称这是把人形机器人规模化带入工业和商业环境的基础。
官方评测：200 多项任务，成功率较此前基线提升 30%～100%
博客称，团队在超过 200 项不同任务上评测了模型的任务广度、性能与复杂度，例子包括用夹子端送食物、给礼盒系蝴蝶结和移液。官方给出的总体数字是：与此前基线相比，成功率视任务类型提升 30%～100%，完成任务快 20%～30%。博客没有说明基线是哪些模型，也没有给出基线分数——第三方分析 在逐条核对后特别指出了这一点，并注意到官方 X 帖文说“数百项日常技能”，博客的实测口径则是“超过 200 项任务”。
官方图表里的单项成绩更能说明“接近人类水平”具体指什么。图表对比 Gemini Robotics 2 与 2.5：用夹子分装糕点从 5% 升到 100%，解开丝带蝴蝶结从 0% 升到 70%，挂开衫从 0% 升到 62%，叠长裤从 0% 升到 40%；在多步且需要持续接触的任务中，合上黑色工具箱的盖子从 0% 升到 93%，把杯子从挂钩取下放到桌面从 29% 升到 75%，把垃圾扫进簸箕从 0% 升到 52%。
模型原生适配多种机器人本体。博客列出的两个例子是 Apptronik Apollo 2——配五指、22 个自由度的 SharpaWave 机械手——和使用二指平行夹爪的 Franka Duo 双臂平台。称 Apollo 2 可选双足或轮式底盘，轮式构型面向高吞吐环境，配可更换电池、支持 7×22 运行，并写明其与 Google DeepMind 在 Gemini Robotics 上的合作。
这次发布距离上一代 （今年 7 月 30 日发布，主打人形机器人的全身控制）三个多月。
训练提速：Gemini 4 Argon 充当模拟引擎
称，Gemini 4 Argon 参与构建了 Gemini Robotics 2.5，“把数月的训练提速”：它从单一相机视角创建虚拟练习空间，再观看自己失误的回放来修正动作，从而提升真实机器人上的表现。
博客的解释更具体：Argon 充当模拟引擎，能从真实相机画面生成数千条多样的模拟练习，并构建逼真的数字孪生；结合真实示教数据，机器人能更快泛化到新场景、新物体。当任务失败时，Argon 还能从录像推断失败原因，让研究者在模拟中和真实机器人上检验这些改进。
Google 开发者博客 10 月 13 日曾专门介绍 ，称其在测试三维物理空间理解的 ERQA 基准上以纯推理拿到 87%，官方称超过所有其他前沿模型。DeepMind 在发布博客结尾把 Gemini Robotics 2.5 称为“解决物理 AGI（physical AGI）之路上的重要里程碑”——这同样是官方自我定位。
新安全措施：绕开障碍与人，外加 ASIMOV-Jailbreak 越狱测试
随着机器人进入更多真实空间，博客称 Gemini Robotics 2.5 在安全上做了两件事。第一是物理安全：模型使用推理时引导（inference-time reasoning guidance）实时绕开危险，官方评测显示，这项能力让机器人在障碍附近的安全任务完成率提升 33%，在有人的附近提升 43%。
第二是针对代理式任务的安全评测。DeepMind 发布了开源基准 ASIMOV-Jailbreak，包含数百条把危险请求伪装起来的提示词、覆盖数十个场景； 上的数据集页面显示，google/asimov_agentic 已于 11 月 10 日更新，定位是“在安全攸关机器人任务上测试代理式 AI 系统”。按博客口径，Gemini 4 Argon 在该基准上的越狱（jailbreak）抗性达 99.5%，显著高于上一代基线 Gemini Robotics ER 2 的 82%——需要注明的是，这个分数属于 Argon，而不是 Gemini Robotics 2.5 本身，博客并未公布后者在该基准上的成绩。博客还称，Argon 目前在 DeepMind 的中，在不安全任务拒绝、不确定性处理和近人作业三项上领先。
图：DeepMind 官方安全演示视频画面，展示 Gemini Robotics 2.5 的安全可控性（steerability）：人手与机械臂同处一个工作台，目标物品被实时标注。（来源：DeepMind 发布博客）
官方数字之外：无独立基准，也无公开访问
CellCog 的分析把公告没有给出的东西列成清单：没有 96% 背后的样本量，没有价格、公开 API 或更大范围开放的时间表，也没有关于 Gemini Robotics 2.5 的技术论文——博客只链接了 Gemini 4 安全报告。模型的可得性仅有一句“正向我们的机器人合作伙伴推出”，博客致谢了 Agile、Apptronik 和 Mercedes-Benz 团队。
据 Heater 的帖子，这次发布与本周在奥斯汀举行的机器人学习会议（CoRL）同期。他还记录了一个边界问题：当他追问系蝴蝶结这类柔性物操作是否意味着能装配汽车厂里公认最难的人工工序之一——线束时，DeepMind 团队的回答是，目前奔驰工厂的应用集中在套件分拣。
至于 96% 之后是什么，DeepMind 对 Heater 说：“从 96% 到 99.9999% 的路会非常陡。”CellCog 在文末列出的观察点中，有两项是：其他实验室会在 ASIMOV-Jailbreak 上跑出什么分数，以及 Apollo 2 会不会从概念验证变成留在产线上的固定工位。