DeepMind 推出 Gemini Robotics 2.5：賓士工廠零件分揀成功率達 96%

把機器人從恆溫恆溼的實驗室拉出來，扔進真正的汽車工廠裝配線，往往就是一場災難。複雜的零件反光、工人走來走去、稍微擺歪一點的托盤，隨時都能讓機械臂僵在半空。

Google DeepMind 剛剛拿出了最新的解法。他們釋出了具身智慧動作模型 Gemini Robotics 2.5，順便把兩臺 Apptronik Apollo 2 人形機器人送進了梅賽德斯-賓士的德國和匈牙利工廠，在真實車間裡抓取和分揀汽車零件，拿到了 96% 的任務成功率。

腦子負責拆解，手腳負責幹活

具身智慧現在基本分成了兩層架構。上面一層是「大腦」Gemini Embodied Reasoning，負責看懂現場攝像頭的畫面、理解工人的口頭或文字指令，再把大任務拆解成步驟；下面一層就是這次釋出的 Gemini Robotics 2.5，也就是所謂的視覺-語言-動作模型（VLA），負責指揮機械臂和手指把每一個動作做出來。

為了訓練這雙「手」，DeepMind 拉來了自家的 Gemini 4 Argon 模型充當模擬引擎。它能直接拿現實中的攝像頭畫面生成數千次虛擬練習，甚至根據失敗影片倒推原因，大幅壓縮了實機訓練成本。

根據官方公佈的資料，Gemini Robotics 2.5 在 200 多個獨立測試任務中，成功率比前代基線提升了 30% 到 100%，動作速度也快了 20% 到 30%。它不僅能在五指機械手上完成系蝴蝶結這種極難處理的柔性材質操作，也能控制實驗室移液管或者用夾子分發食物。

在賓士工廠的實測中，搭載這套系統的 Apollo 2 機器人自主完成了汽車配料作業。它要從大料箱裡抓出金屬支架，按照產線需要的精準順序碼放進排產箱，就算中間零件出現位置偏移，機器人也能自己糾偏擺正。

防越獄和物理安全成了標配

除了幹活，機器人進廠最怕的就是傷人和被惡意指令帶偏。

DeepMind 這次在推理階段加入了即時安全引導機制。評測資料顯示，機器人在障礙物附近的安全作業完成率提升了 33%，在有人靠近時的安全完成率則提升了 43%。

更有意思的是，他們還同步開源了一個叫 ASIMOV-Jailbreak 的安全基準。這個基準專門收集了數百個偽裝成正常要求的危險指令，測試機器人會不會在「好言相勸」下做出撞人或破壞裝置的動作。官方資料顯示，Gemini 4 Argon 在這項對抗測試中的防越獄成功率達到了 99.5%，而上一代基線只有 82%。

為什麼重要

在汽車製造這種對節拍和品控要求極度嚴苛的行業，96% 的零件分揀成功率確實是個漂亮的公測數字，但它距離真正取代產線工人還有一段距離。正如 DeepMind 研發總監 Kanishka Rao 所指出的，人類做這種重複性體力活幾乎可以做到萬無一失，要把這最後 4% 的容錯差距補齊，是一條極其陡峭的路。

不過在我們看來，Google 這次最聰明的動作，是徹底明確了自己的生態定位。他們不造本體硬體，而是拉著 Apptronik、思靈機器人（Agile Robots）以及賓士這樣的車企，把最難啃的多模態規劃和底層動作模型包圓。對於人形機器人硬體廠商來說，有了穩定好用的「通用大腦與小腦」，自己就能集中精力最佳化關節執行器、靈巧手結構和供應鏈成本。

開源 ASIMOV-Jailbreak 也是一步妙棋。當大家都在爭論機器人進工廠甚至進家庭安不安全時，DeepMind 直接端出了一套評測尺子，搶先卡住了具身智慧安全規範的行業話語權。接下來就看其他機器人模型選手，能不能接得住這套安全與效率兼顧的標準了。