科技与人工智能报道。

机器人 · 本站报道

DeepMind 发布 Gemini Robotics 2.5,产线数字是公司测试

Google DeepMind 在 11 月 10 日宣布 Gemini Robotics 2.5,称机器人能学习更多日常技能,并正在向机器人合作伙伴推送。产线上 96% 的分拣成功率和相对旧基线的提升,都是 DeepMind 自己的测试结果。

发布时间 2026/11/17 14:08(上海)

科技AI模型科研

发生了什么

Google DeepMind 在 2026 年 11 月 10 日发布博客,介绍 Gemini Robotics 2.5,作者栏写着 Carolina Parada。官方账号同日 15:00 UTC 发帖,帖文本身主要是视频,博客链接在线程后面。本篇以博客为准。帖文链接在文末,不转载帖文。

DeepMind 称这是它迄今能力最强的视觉-语言-动作模型,能扩大机器人可学技能的范围,并加快学会的速度。模型正在向机器人合作伙伴推送,不是一篇面向普通消费者的下载公告。

来源能够对上的细节

技能例子来自公司的描述:使用日常工具、处理柔软物体,以及更具体的夹取食物、给礼盒打蝴蝶结、移液。评估范围被写成 200 多项不同任务。和此前基线相比,DeepMind 称成功率提高 30% 到 100%,完成速度提高 20% 到 30%,幅度取决于任务类型。这些百分比是它自己的评估,不是第三方实验室的复核。

产线试点写得更具体,但仍然是概念验证。DeepMind 与 Apptronik、梅赛德斯-奔驰合作,在匈牙利凯奇凯梅特和德国辛德芬根的汽车产线上使用 Apollo 2 人形机器人。任务是汽车配料:把散装零件按车辆所需的顺序放进托盘。博客称,在这项概念验证里,分拣装箱的成功率达到 96%。Apptronik 联合创始人 Jeff Cardenas 的引言说,模型在几周后训练里进步明显,转到奔驰产线时下降不多。引言是合作方的评价。

安全部分也是公司测试。DeepMind 称,推理时的引导使机器人在障碍物附近的安全完成率提高 33%,在人附近提高 43%。它同时发布开源基准 ASIMOV-Jailbreak。博客称 Gemini 4 Argon 在该基准上的越狱抵抗率为 99.5%,上一版 Gemini Robotics ER 2 是 82%。Argon 在这里被写成安全评估里领先的模型,不是 Robotics 2.5 本身的一个下载包。

训练加速被归到 Gemini 4 Argon:它可以从真实摄像头画面生成大量模拟练习,并帮助研究者从视频里推测失败原因。博客称 Robotics 2.5 的进展在很大程度上得益于此。这也是 DeepMind 对研发过程的说明。

适配的机器人被点名两类:Apptronik 的 Apollo 2,带五指、22 个自由度的 SharpaWave 手;以及 Franka Duo,使用两指夹爪。

背景

机器人模型经常停在实验室演示。这篇试图用一条还在生产的汽车线来说明可靠性,同时承认那是概念验证,而不是已经铺开的岗位替代。模型的去向是“合作伙伴”,读者不能从博客标题推断任何一台家用机器人已经装上它。

官方帖文线程里有人把同一项试点说成准确率。博客用的词是 success rate。本篇跟随博客,写成成功率,并标明是公司概念验证里的数字。

编辑分析

以下是本站的判断,不是 DeepMind 的部署承诺。

30% 到 100% 的成功率提升跨度很大,而且取决于任务类型。没有在这篇里列出每一项任务的分母和旧基线名称之前,这个区间只能说明公司认为有明显提高,不能摘出某一个百分比当成所有家务或工厂任务的成绩。96% 来自两条奔驰工厂上的配料试点,不是所有零件、所有班次的长期统计。

向合作伙伴推送,意味着成果先出现在已有机器人项目里。ASIMOV-Jailbreak 被写成开源基准,和模型本身的权重不是同一件事。本篇没有看到博客宣布 Robotics 2.5 的公开权重下载。

Argon 生成模拟环境,是研究流程里的主张。它不能单独证明模拟里的成功会等于下一班产线的成功。

本站没有写成事实的部分

本篇没有到凯奇凯梅特或辛德芬根看机器人作业,没有复现 200 项任务评估,也没有下载 ASIMOV-Jailbreak 跑分。帖文视频里的演示不另作未在博客出现的技能。


书目

原始链接

链接上的文字是来源自己的标题,便于核对。它不是本站的译文,也不单独构成一条新闻。

  1. Gemini Robotics 2.5 accelerates real-world general dexterity
    Google DeepMind · 编辑部阅读过的原文
  2. @GoogleDeepMind status 2120169787896525104
    Google DeepMind · 相关原文,本篇只采用主文中的转述