Gemini Robotics 2.5 加速现实世界通用灵巧操作
内容提要
谷歌发布Gemini Robotics 2.5视觉-语言-动作模型，显著扩大机器人可学习技能范围并提升学习速度：在200多项任务中成功率提高30%至100%，速度提升20%至30%，且支持多种机器人。该模型与Apptronik、奔驰合作，在汽车工厂自主完成零件分拣，成功率达96%。其安全功能使避障任务安全完成率提升33%、近人场景提升43%，越狱抵抗力达99.5%。
延伸解读
从实验室到工厂：真实场景验证
文章重点展示了Gemini Robotics 2.5在奔驰工厂的试点：Apollo 2人形机器人自主完成汽车零件分拣，成功率达96%。这不仅是实验室数据，更是在活跃生产线上的概念验证。机器人需从散装箱中按顺序取出金属支架并放入排序容器，同时纠正间隙。该任务重复且耗费体力，交由机器人可让产线持续运转，并让技术员专注于复杂装配。这体现了模型从受控环境向非结构化工业场景的迁移能力。
安全机制：实时避障与越狱抵抗
文章强调物理安全是机器人进入日常空间的关键。Gemini Robotics 2.5通过推理时的引导，实时绕开物理危险。评估显示，在障碍物周围安全完成任务的比例提升33%，在人员附近提升43%。此外，针对长时程任务，谷歌发布了ASIMOV-Jailbreak开源基准，包含数百个伪装不安全请求的提示。Gemini 4 Argon在该基准上达到99.5%的越狱抵抗率，显著高于此前基线82%。这些数据为机器人在人机共存环境中的部署提供了安全参考。
仿真加速：数字孪生与失败分析
文章披露了Gemini 4 Argon作为仿真引擎的作用：它可从真实相机场景生成数千个多样化模拟练习，并构建数字孪生，结合真实演示数据，帮助机器人更快泛化到新场景和新物体。Argon还能根据视频推测任务失败原因，并在仿真和真实机器人上测试改进方案。这种“仿真+真实”的闭环，加速了Gemini Robotics 2.5的开发，也解释了模型为何能在200多项任务中实现30%至100%的成功率提升。
Q&A
Gemini Robotics 2.5 是什么？它有什么主要特点？
Gemini Robotics 2.5 是谷歌发布的最先进的视觉-语言-动作（VLA）模型，旨在让机器人更快地学习现实世界中的技能。其主要特点包括：显著扩大机器人可学习的技能范围并提升学习速度；在200多项任务中成功率提高30%至100%，速度提升20%至30%；支持多种机器人类型；具备先进的安全功能，如避障任务安全完成率提升33%、近人场景提升43%，越狱抵抗力达99.5%。
Gemini Robotics 2.5 在性能上有哪些具体提升？
在超过200项不同任务的测试中，Gemini Robotics 2.5 相比之前基线，成功率提高了30%到100%（取决于任务类型），完成任务的速度提升了20%到30%。这些任务包括使用钳子夹食物、系礼品盒蝴蝶结、移液等，展示了高级工具使用、可变形物体操作和精细物体处理等技能。
Gemini Robotics 2.5 在实际工业场景中有哪些应用案例？
谷歌与 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汽车生产线上使用 Apollo 2 人形机器人进行汽车零件分拣（kitting）。机器人自主从散装箱中拾取金属支架并按顺序放入托盘，成功率达到96%。这有助于保持装配线运转，让技术人员专注于复杂任务。
Gemini Robotics 2.5 如何提升机器人安全性？
Gemini Robotics 2.5 通过推理时的推理引导（inference-time reasoning guidance）实时避开物理危险，类似于安全分类器为 Gemini 响应增加保护层。评估显示，该能力使避障任务的安全完成率提升了33%，在靠近人员时的安全完成率提升了43%。此外，新发布的 ASIMOV-Jailbreak 基准测试中，模型越狱抵抗力达到99.5%，远高于之前基线82%的水平。
Gemini Robotics 2.5 支持哪些类型的机器人？
Gemini Robotics 2.5 原生支持多种机器人类型，包括 Apptronik 的 Apollo 2 人形机器人（配备五指、22自由度的 SharpaWave 手）以及 Franka Duo 平台（配备两指平行夹爪）。这表明模型具有跨形态的通用性。
Gemini 4 Argon 在 Gemini Robotics 2.5 的开发中起到了什么作用？
Gemini 4 Argon 作为模拟引擎，加速了 Gemini Robotics 2.5 的开发。它能从真实相机场景生成数千个多样化的模拟练习并构建数字孪生，结合真实演示数据，帮助机器人更快泛化到新场景和物体。Argon 还能根据视频假设任务失败原因，并在模拟和真实机器人上测试改进。
