DeepMind 发布 Gemini Robotics 2.5 并开源安全基准The DecoderT2·智能体与协同

Gemini Robotics 2.5 在奔驰产线分拣成功率达 96%

作者：Maximilian Schreiner原标题：Google DeepMind's Gemini Robotics 2.5 scores 96 percent sorting metal parts in a Mercedes-Benz assembly pilot

88AI 研判分

Google DeepMind 发布视觉-语言-动作（VLA）模型 Gemini Robotics 2.5，称其相较自家此前基线在各类任务上提升 30% 至 100%。在匈牙利与德国的奔驰在产产线上，Apptronik 人形机器人 Apollo 2 完成金属零件分拣，报告成功率达 96%。DeepMind 同时以 Gemini 4 Argon 作为仿真引擎用于训练，并开源 ASIMOV-Jailbreak 基准以评测机器人模型安全性。

关联知识实体

模型Gemini 4 Argon 模型Gemini Robotics 2.5 公司Google DeepMind 模型Apollo 2 公司Apptronik 术语视觉-语言-动作模型

报道正文

本文目录5 个章节

Google DeepMind 的 Gemini Robotics 2.5 在梅赛德斯-奔驰装配试点中实现金属零件分拣 96% 的成功率

文本

  [Maximilian Schreiner](https://the-decoder.com/author/maximilian-schreiner/) [查看 Maximilian Schreiner 的 LinkedIn 个人资料](https://www.linkedin.com/in/maximilian-schreiner-b6a5171aa/)   2026年11月10日

图片描述

Google Deepmind

要点

Google Deepmind 推出了 Gemini Robotics 2.5，这是一款新的 VLA 模型，据称根据任务类型的不同，其表现比自家此前的基线模型高出 30% 到 100%。
在匈牙利和德国的梅赛德斯-奔驰活跃生产线上，Apptronik 的人形机器人 Apollo 2 分拣金属零件，据报告成功率达到 96%。
Google Deepmind 使用其语言模型 Gemini 4 Argon 作为训练用的模拟引擎，并发布了开源基准 ASIMOV-Jailbreak，用于测试机器人模型的安全性。
文本
```
询问关于本文的问题……   搜索        
```

Google Deepmind 发布了一款用于机器人控制的新 AI 模型。在梅赛德斯-奔驰活跃生产线的试点测试中，一台人形机器人据报告达到了 96% 的成功率。

Google Deepmind 推出了 Gemini Robotics 2.5，这是一款视觉-语言-动作模型（VLA），能够处理视觉信息、理解语言指令，并将其转化为机器人动作。该模型建立在其今年早些时候推出的前代模型基础之上，后者旨在首次赋予机器人全身控制能力。

Google Deepmind 表示，该模型已在 200 多项任务上进行了测试，包括用夹子盛放食物和移液操作。与该公司自家此前的基线模型相比，据称根据任务类型的不同，其成功率高出 30% 到 100%，完成任务的速度快 20% 到 30%。

该模型设计用于适配不同类型的机器人，包括 Apptronik 拥有 22 个自由度五指手的人形机器人 Apollo 2，以及配备两指平行夹爪的 Franka Duo 平台。

Google Deepmind 在梅赛德斯-奔驰活跃生产线上测试该模型

Google Deepmind 与 Apptronik 和梅赛德斯-奔驰合作，在匈牙利凯奇凯梅特和德国辛德芬根的活跃生产线上测试了该模型。Apollo 2 机器人负责配料工作：它从散装料箱中分拣金属零件，并按照装配线上每辆车的需求顺序将它们放入托盘中。两个 AI 模型协同工作。Gemini Robotics ER 监控工作流程，而 Gemini Robotics 2.5 控制手和手臂。

视频：Google

Google Deepmind 报告称，此次试点测试的成功率达到 96%。Apptronik CEO Jeff Cardenas 表示，这些模型在训练后几周内就显著提升，并成功过渡到梅赛德斯的生产环境，性能损失极小。

针对越狱的新安全基准

据 Google Deepmind 称，Gemini Robotics 2.5 使用实时控制，使机器人能够在执行任务时避开物理危险。在其自身的评估中，在障碍物附近的安全任务完成率提高了 33%，在人员附近提高了 43%。

此外，Google Deepmind 已在 Hugging Face 上发布了开源 ASIMOV-Jailbreak 基准。它包含数百条提示，将不安全请求伪装在数十个场景中，旨在测试机器人模型是否会被诱骗执行危险动作。据该公司称，Google 自家的模型 Gemini 4 Argon 实现了 99.5% 的抗越狱能力，而前代 Gemini Robotics ER 2 为 82%。

Argon 语言模型通过仿真生成训练数据

在 Gemini Robotics 2.5 的开发过程中，Google Deepmind 使用其自家的语言模型 Gemini 4 Argon 作为仿真引擎。Argon 可以从真实相机场景生成数千次模拟训练运行，并创建数字孪生。结合真实世界的训练演示，这旨在帮助机器人更快地泛化到新场景和新物体。Argon 还可以从视频记录中推导关于错误原因的假设，并在仿真和实际机器人上测试改进。

据 Google Deepmind 称，Gemini Robotics 2.5 正在向合作伙伴 Agile、Apptronik 和梅赛德斯-奔驰推出。