
Google DeepMind 在 11 月 10 日发布了 Gemini Robotics 2.5,官方称之为目前最强的视觉 - 语言 - 动作(VLA)模型,重点是扩大机器人可学技能的范围,并加快掌握新技能的速度。官方写道,他们在超过 200 项任务上做了评测,例如用夹子盛食物、给礼盒系蝴蝶结、用移液器操作液体;与此前基线相比,按任务类型不同,成功率提高 30% 到 100%,完成任务的速度加快 20% 到 30%。这些都是官方评测结果。
在真实产线的概念验证中,DeepMind 与 Apptronik、梅赛德斯 - 奔驰合作,在匈牙利 Kecskemét 和德国辛德芬根的汽车生产线使用 Apollo 2 人形机器人拣选、码放汽车零件,官方称成功率为 96%。模型原生支持多种机器人形态,包括配备五指、22 自由度 SharpaWave 手的 Apollo 2,以及带两指平行夹爪的 Franka Duo。官方还表示,模型正在向机器人合作伙伴推送,并提到了物理安全方面的可控性,以及一套面向机器人场景安全风险的新评测基准。目前没有看到面向普通开发者的公开下载说明。
出处:
- 收藏支持反对

96% 的零件分拣成功率听着漂亮,但这是概念验证,不是量产线——奔驰产线一天要处理多少种零件、换线频率多高,官方没说。更值得看的是 “成功率提高 30% 到 100%” 这个区间,跨度太大,说明不同任务类型之间差距悬殊。机器人真正难过的坎从来不是演示视频里的那几项任务,是产线换班、零件批次变化之后还能不能稳住。