DeepMind 推出 Gemini Robotics 2.5：奔驰工厂零件分拣成功率达 96%

把机器人从恒温恒湿的实验室拉出来，扔进真正的汽车工厂装配线，往往就是一场灾难。复杂的零件反光、工人走来走去、稍微摆歪一点的托盘，随时都能让机械臂僵在半空。

Google DeepMind 刚刚拿出了最新的解法。他们发布了具身智能动作模型 Gemini Robotics 2.5，顺便把两台 Apptronik Apollo 2 人形机器人送进了梅赛德斯-奔驰的德国和匈牙利工厂，在真实车间里抓取和分拣汽车零件，拿到了 96% 的任务成功率。

脑子负责拆解，手脚负责干活

具身智能现在基本分成了两层架构。上面一层是「大脑」Gemini Embodied Reasoning，负责看懂现场摄像头的画面、理解工人的口头或文字指令，再把大任务拆解成步骤；下面一层就是这次发布的 Gemini Robotics 2.5，也就是所谓的视觉-语言-动作模型（VLA），负责指挥机械臂和手指把每一个动作做出来。

为了训练这双「手」，DeepMind 拉来了自家的 Gemini 4 Argon 模型充当模拟引擎。它能直接拿现实中的摄像头画面生成数千次虚拟练习，甚至根据失败视频倒推原因，大幅压缩了实机训练成本。

根据官方公布的数据，Gemini Robotics 2.5 在 200 多个独立测试任务中，成功率比前代基线提升了 30% 到 100%，动作速度也快了 20% 到 30%。它不仅能在五指机械手上完成系蝴蝶结这种极难处理的柔性材质操作，也能控制实验室移液管或者用夹子分发食物。

在奔驰工厂的实测中，搭载这套系统的 Apollo 2 机器人自主完成了汽车配料作业。它要从大料箱里抓出金属支架，按照产线需要的精准顺序码放进排产箱，就算中间零件出现位置偏移，机器人也能自己纠偏摆正。

防越狱和物理安全成了标配

除了干活，机器人进厂最怕的就是伤人和被恶意指令带偏。

DeepMind 这次在推理阶段加入了实时安全引导机制。评测数据显示，机器人在障碍物附近的安全作业完成率提升了 33%，在有人靠近时的安全完成率则提升了 43%。

更有意思的是，他们还同步开源了一个叫 ASIMOV-Jailbreak 的安全基准。这个基准专门收集了数百个伪装成正常要求的危险指令，测试机器人会不会在「好言相劝」下做出撞人或破坏设备的动作。官方数据显示，Gemini 4 Argon 在这项对抗测试中的防越狱成功率达到了 99.5%，而上一代基线只有 82%。

为什么重要

在汽车制造这种对节拍和品控要求极度严苛的行业，96% 的零件分拣成功率确实是个漂亮的公测数字，但它距离真正取代产线工人还有一段距离。正如 DeepMind 研发总监 Kanishka Rao 所指出的，人类做这种重复性体力活几乎可以做到万无一失，要把这最后 4% 的容错差距补齐，是一条极其陡峭的路。

不过在我们看来，Google 这次最聪明的动作，是彻底明确了自己的生态定位。他们不造本体硬件，而是拉着 Apptronik、思灵机器人（Agile Robots）以及奔驰这样的车企，把最难啃的多模态规划和底层动作模型包圆。对于人形机器人硬件厂商来说，有了稳定好用的「通用大脑与小脑」，自己就能集中精力优化关节执行器、灵巧手结构和供应链成本。

开源 ASIMOV-Jailbreak 也是一步妙棋。当大家都在争论机器人进工厂甚至进家庭安不安全时，DeepMind 直接端出了一套评测尺子，抢先卡住了具身智能安全规范的行业话语权。接下来就看其他机器人模型选手，能不能接得住这套安全与效率兼顾的标准了。