Gemini Robotics 2.5在賓士產線分揀零件,成功率96%

Google DeepMind發表了用於控制機器人的新模型Gemini Robotics 2.5,並與機器人公司Apptronik和賓士(Mercedes-Benz)一起,在正在運轉的生產線上做了測試。人形機器人Apollo 2負責分揀金屬零件,Google DeepMind給出的成功率為96%。這些數字來自2026年11月10日的發表,The Decoder對此作了報導。

根據The Decoder的說明,Gemini Robotics 2.5是一種所謂的視覺-語言-動作(VLA)模型。這類模型處理視覺資訊、理解語言指令,並由此推導出機器人的動作。該模型建立在今年年初發表的前一代之上,前一代被認為首次讓機器人具備全身控制能力。Google DeepMind稱它是迄今同類中能力最強的模型。

這個模型應該能做什麼

根據Google DeepMind的說法,Gemini Robotics 2.5在200多項不同任務上做過測試,例如用夾子分餐、替禮盒綁蝴蝶結、用吸量管轉移液體。依任務類型不同,成功率據稱比公司先前的基準高出30%至100%,任務完成速度快20%至30%。

這裡需要保持謹慎:部落格CellCog的分析指出,這次發表既沒有說明比較基準是什麼,也沒有給出具體數值。因此絕對成功率並不清楚,30%至100%的提升幅度也難以判斷。

該模型適用於多種類型的機器人。文中提到的有Apptronik的人形機器人Apollo 2,其五指手擁有22個自由度,以及配有兩指平行夾爪的Franka Duo平台。

在賓士的試點

實地測試在匈牙利凱奇凱梅特和德國辛德芬根的運轉中生產線上進行。機器人負責的是所謂的「備料配套」(kitting):從散裝料箱中取出單個金屬零件,並依照裝配線上每輛車所需的順序放進托盤。多個元件協同運作:

• Gemini Robotics ER負責監控工作流程。
• Gemini Robotics 2.5負責控制機器人的雙手與手臂。
• Apptronik的Apollo 2執行抓取與放置動作。

Google DeepMind表示這次試點的成功率為96%。根據CellCog的說法,公司自己將它稱為概念驗證,也沒有說明這個比例是基於多少次抓取。Apptronik執行長傑夫·卡德納斯(Jeff Cardenas)在發表中談到了從訓練到進入工廠的過渡:

我們看到,這些模型只經過幾週的後訓練就有了顯著提升,並且幾乎沒有性能損失地轉移到了賓士的生產中。

安全與模擬

根據Google DeepMind的說明,Gemini Robotics 2.5採用即時控制,讓機器人能在執行任務時避開物理危險。在公司自己的評估中,障礙物附近的安全完成任務能力提升了33%,人員附近提升了43%。這些數值沒有經過獨立驗證。

公司還在Hugging Face上發布了開源基準ASIMOV-Jailbreak。它包含數百條提示詞,把不安全的請求偽裝在數十個場景中,用來測試機器人模型是否會被誘導做出危險行為。語言模型Gemini 4 Argon的越獄抵抗率達到99.5%,而其前身Gemini Robotics ER 2為82%。需要注意:根據CellCog的說法,這個數值屬於Gemini 4 Argon,而不是Gemini Robotics 2.5本身;對於機器人模型,發表中沒有給出對應數值。

Argon在訓練中也發揮了作用,擔任模擬引擎。它可以根據一個真實的攝影機場景產生數千次模擬訓練,並建立數位孿生。結合真實示範資料,機器人據稱能更快地泛化到新的場景和物體上。此外,Argon還能從影片紀錄中推斷出錯誤原因的假設,再在模擬和真實機器人上加以檢驗。

尚未明確的問題

根據Google DeepMind的說明,Gemini Robotics 2.5正向合作夥伴Agile、Apptronik和賓士推出。根據CellCog的說法,發表中沒有給出價格、公開介面或更大範圍開放的時間,也沒有關於該模型的技術論文。所有數字都來自Google DeepMind或其合作夥伴。

另外也不清楚測試結束後機器人是否會長期留在產線上。試點只是試驗,在輪班生產中長期使用則是另一種說法。值得關注的是獨立機構的結果、其他實驗室用ASIMOV-Jailbreak做的測量,以及合作夥伴之外的開發者能否取得使用權。

這對台灣企業意味著什麼

對台灣的零組件供應商或機械製造商來說,這則消息主要是一個訊號,而不是一項產品:備料配套,也就是依正確順序供應零件,在許多工廠都存在,而現在正是在這個環節上試用配備通用控制模型的機器人。Gemini Robotics 2.5目前無法購買,也無法部署。計畫自動化的企業可以持續關注進展,並向供應商要求具體資訊:成功率背後的樣本數、抓取失敗的處理方式、在人員附近的行為,以及讓機器人學會新零件所需的投入。

在這些答案出現之前,需要記住的是:96%是廠商在一次試點中給出的數字,而不是已經證實的日常生產標準。