谷歌最强 VLA 机器人模型：Gemini Robotics 2.5 登场，会系蝴蝶结、已在奔驰生产线上岗

IT之家 11 月 10 日消息，谷歌推出迄今为止能力最强的视觉-语言-动作（VLA）机器人模型 Gemini Robotics 2.5，大幅提升机器人可学习的技能广度与学习速度。

该模型增强了机器人的灵巧度、可靠性与安全性，助力机器人走出实验室，进入更非结构化的真实环境，协助人类完成更多类型的任务。

谷歌今年早些时候已为包括人形机器人在内的多种机器人引入全身智能。此次进展很大程度上得益于 Gemini 4 Argon 加速机器人研发的能力，进一步拓展了物理智能的边界。

谷歌在超过 200 项不同任务中测试了 Gemini Robotics 2.5 的任务广度、性能与复杂度。

Gemini Robotics 2.5 在三大关键领域实现跃升：

• 灵巧度：机器人可借助日常工具、处理娇嫩柔性物体，完成显著更多任务，且性能与灵巧度大幅提升。

• 可靠性：在奔驰生产线的真实概念验证中，该模型助力 Apptronik 的 Apollo 2 人形机器人拣选并打包汽车零部件，成功率达 96%，可承接单调工作，让技术人员专注于复杂装配任务。

• 安全性：随着机器人进入日常环境，谷歌优化了物理安全可引导性，并推出针对机器人对抗越狱的全新测试基准。

目前 Gemini Robotics 2.5 正面向谷歌的机器人合作伙伴开放。

真实环境非结构化且不可预测，机器人必须同时具备高精度与高可靠性来处理日常物体。借助 Gemini Robotics 2.5，谷歌拓展了模型在任务广度、性能与复杂度上的能力，测试任务达 200 项，例如用夹子分发食物、给礼品盒系蝴蝶结、移液操作液体等。

这些任务融合了高级工具使用、复杂可变形物体操作、精细处理易碎物品等多项技能，代表着向人类级灵巧度迈出的一步。

评估显示，该模型在任务精度、鲁棒性与速度上均有显著提升：相较于此前基线，Gemini Robotics 2.5 按任务类型不同，成功率高出 30% 至 100%，任务完成速度快 20% 至 30%。

与前代 Gemini Robotics 模型一致，它原生适配多种机器人类型，包括搭载五指 22 自由度 SharpaWave 手的 Apptronik Apollo 2 人形机器人，以及配备两指平行夹爪的 Franka Duo 平台。

机器人模型的终极考验，是能否在真实工作场景中稳定执行任务。谷歌与 Apptronik、奔驰合作，在匈牙利凯奇凯梅特、德国辛德尔芬根的在用汽车生产线上，部署 Apollo 2 人形机器人测试 Gemini Robotics 2.5。

机器人很难适应全新的不可预测环境，而 Gemini Robotics 模型赋予 Apollo 思考、多步推理、随变化调整行动的能力。

在此次概念验证中，Apollo 2 自主完成汽车物料拣配工作：这是一项重复性强、体力消耗大的任务，需要将散料箱中的单个零部件，按照线上每台车辆的精确需求顺序，分拣到规整托盘内。IT之家附上相关视频如下：

将这类单调的准备工作交由机器人处理，既能保障流水线运转顺畅，也能让技术人员腾出精力专注复杂装配任务。

谷歌借助具身推理模型 Gemini Robotics ER 追踪工作流，由 Gemini Robotics 2.5 动作模型控制机器人的手臂与手部：机器人探入供料箱、拾取金属汽车支架、放入排序容器，并全程修正装配间隙。

试点测试成功率达 96%，展示出大规模工业场景落地应用的可观前景。当机器人在杂乱的日常空间中作业时，物理安全是首要考量。谷歌大幅升级了 Gemini Robotics 2.5 的安全特性。

Gemini Robotics 2.5 采用推理时推理引导机制，可实时规避物理危险。正如安全分类器为 Gemini 的响应增加防护层一样，该引导能力让机器人安全穿梭于复杂环境。

经评估，该能力让机器人在障碍物周边的安全任务完成率提升 33%，在人员周边的安全任务完成率提升 43%。

谷歌同时在推进长周期智能体任务的安全能力：Gemini 4 Argon 在智能体机器人评估中处于领先水平，评估维度包括危险任务拒绝、不确定性消解、近距离人机协作。

为测试越狱鲁棒性，谷歌发布开源基准 ASIMOV-Jailbreak，包含数百条伪装成危险请求的提示，覆盖数十类场景。Gemini 4 Argon 的越狱抵御率达 99.5%，相较前代基线 Gemini Robotics ER 2 的 82% 大幅提升。

教导机器人掌握新技能，研究人员需要海量物理数据与高效建计算法。Gemini 4 Argon 的机器人研发能力可充当仿真引擎，解决上述瓶颈，大幅加快 Gemini Robotics 2.5 的开发进度。

Argon 可基于真实相机场景生成数千个多样化的模拟练习片段，构建高保真数字孪生。结合真实训练演示数据，机器人能更快泛化适配全新场景与物体。

Argon 还可帮助研究人员从视频片段中推演任务失败原因，在仿真环境与真实机器人上同步测试最优改进方案。

在 Gemini 4 Argon 这类前沿智能模型的加速下，Gemini Robotics 2.5 成为迈向物理通用智能道路上的重要里程碑。谷歌在灵巧度、真实可靠性、严苛安全三大维度持续精进，打造机器人与人协同解决现实挑战所需的物理智能。