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 Robotics2.5，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（886069）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Gemini4Argon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 Robotics2.5的任务广度、性能与复杂度。
Gemini Robotics2.5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Apollo2人形机器人（886069）拣选并打包汽车零部件（881126），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 Robotics2.5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 Robotics2.5，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 Robotics2.5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 Apollo2人形机器人（886069），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Apollo2人形机器人（886069）测试Gemini Robotics2.5。
该机器人利用谷歌开发的具身推理模型(Gemini Robotics ER)跟踪工作流程，并采用Gemini Robotics2.5动作模型控制其手臂和手部，从物料箱中取出金属汽车支架，并将其放入排序容器中，同时自动修正任何间隙。该试点项目取得了96%的成功率，展现了该技术在广泛的实际工业应用方面取得的良好进展。
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，Apollo2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：
GR-2.5的可控性实现了安全且感知人类的机器人动作
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 Robotics2.5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 Robotics2.5的安全特性。
Gemini Robotics2.5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（883436）智能体任务的安全能力：Gemini4Argon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。Gemini4Argon的越狱抵御率达99.5%，相较前代基线Gemini Robotics ER2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。Gemini4Argon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 Robotics2.5的开发进度。
Gemini4Argon的机器人研究能力加速了Gemini Robotics2.5的发展
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（885820）。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 Gemini4Argon这类前沿智能模型的加速下，Gemini Robotics2.5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。
