Gemini Robotics 2.5 发行说明

Gemini Robotics 2.5 概览

Gemini Robotics 2.5 是 Google DeepMind 迄今为止能力最强的视觉-语言-动作 (VLA) 模型，旨在提高机器人获取技能的广度及其获取速度。通过利用 Gemini 4 Argon 作为仿真引擎来加速研究，该模型在 200 多项不同任务中的表现均有所提升，使机器人能够更精确地处理精细物体并在非结构化的现实环境中导航。

增强的灵活性与任务广度

与之前的基准相比，Gemini Robotics 2.5 在任务精度、鲁棒性和速度方面表现出显著提升。该模型已在多种任务中进行了评估，包括使用夹子送餐、系蝴蝶结和移液。这些评估显示成功率提高了 30% 到 100%，任务完成时间缩短了 20% 到 30%。该模型保持了与各种硬件平台的兼容性，包括 Apptronik Apollo 2 人形机器人和 Franka Duo 平台。

现实工业可靠性

在一项概念验证试验中，Gemini Robotics 2.5 被部署在匈牙利和德国梅赛德斯-奔驰生产线的 Apptronik Apollo 2 人形机器人上。机器人成功执行了汽车套件组装任务（即将零件从散装箱分类到整理托盘的过程），实现了 96% 的成功率。通过利用 Gemini Robotics 具身推理模型来跟踪工作流程，并使用 VLA 模型来控制物理动作，该系统展示了适应不可预测环境并实时纠正错误的能力。

安全性与可控性

为了促进在日常空间中更安全的交互，Gemini Robotics 2.5 引入了推理时引导功能。此功能允许机器人绕过物理危险，从而在障碍物周围完成任务的安全性提高了 33%，在人类附近操作时的安全性提高了 43%。此外，该模型对对抗性输入的抵御能力也有所提高；它在新的开源 ASIMOV-Jailbreak 基准测试中实现了 99.5% 的越狱防御率，较之前版本 82% 的基准有了显著提升。

通过 Gemini 4 Argon 加速开发

Gemini Robotics 2.5 的开发得益于 Gemini 4 Argon 的加速，它充当了机器人研究的仿真引擎。Argon 使研究人员能够从真实世界的摄像机画面中生成数千次模拟练习，创建数字孪生，从而使机器人能够更有效地泛化到新场景。此外，Argon 通过分析视频片段并在仿真和物理硬件中测试潜在的改进方案，协助诊断任务失败的原因。