我们正在让机器人更快地为现实世界学习——从日常技能到工厂车间
今天，我们推出 Gemini Robotics 2.5，这是我们迄今为止能力最强的视觉-语言-动作（VLA）模型。Gemini Robotics 2.5 既扩大了机器人可学习的技能范围，也提升了其掌握技能的速度。这增强了灵活性、可靠性和安全性，帮助机器人走出实验室，进入更非结构化的现实环境，从而协助人们完成更多种类的任务。
今年早些时候，我们将全身智能带给了多种类型的机器人，包括人形机器人。现在，很大程度上得益于 Gemini 4 Argon 加速机器人研究的能力，我们进一步推动了物理智能的前沿。我们在超过 200 个不同任务中测试了 Gemini Robotics 2.5 在任务广度、性能和复杂性方面的能力，尽管这种方法可以扩展到更多任务。
Gemini Robotics 2.5 在三个关键领域实现了飞跃：
- 灵活性：我们的机器人能以更高的性能和灵活性执行显著更多的任务——从使用日常工具到处理精致、柔性的物体。
- 可靠性：在 Mercedes-Benz 生产线上的真实概念验证中，我们的模型帮助 Apptronik 的 Apollo 2 人形机器人以 96% 的成功率拣选和包装汽车零件。这可以使机器人承担单调的工作，让技术人员专注于复杂的构建任务。
- 安全性：随着机器人进入日常环境，我们改进了物理安全可操控性，并引入了一个新的基准测试来测试针对机器人特定的对抗性越狱。
Gemini Robotics 2.5 正在向我们的机器人合作伙伴推出。
扩展任务广度、可靠性和灵活性
由于现实环境是非结构化和不可预测的，机器人必须能够以精细的精度和高可靠性处理日常物体。
通过 Gemini Robotics 2.5，我们扩展了模型在任务广度、性能和复杂性方面的能力。我们在 200 个不同任务中评估了该模型——例如用夹子盛食物、在礼盒上系蝴蝶结、以及用移液管移取液体。这些任务通过结合多种技能，包括高级工具使用、复杂可变形物体的操作以及精细处理精致物体，代表了向人类水平灵活性迈出的一步。
我们的评估显示，任务精度、鲁棒性和速度均有显著提高。与之前的基线相比，Gemini Robotics 2.5 根据任务类型实现了 30% 到 100% 更高的成功率，同时完成任务的速度快了 20% 到 30%。
与我们之前的 Gemini Robotics 模型一样，它原生支持多种不同的机器人类型，包括 Apptronik 的 Apollo 2 人形机器人（配备五指、22 自由度的 SharpaWave 手）和带有两指平行夹爪的 Franka Duo 平台。
与 Apptronik 的 Apollo 和 Mercedes-Benz 一起测试真实世界的可靠性
机器人模型的最终衡量标准是它能否在活跃的工作场所中可靠地执行任务。为了测试 Gemini Robotics 2.5，我们与 Apptronik 和 Mercedes-Benz 合作，在匈牙利凯奇凯梅特和德国辛德芬根的活跃汽车生产线上使用 Apollo 2 人形机器人。
机器人难以适应新的不可预测环境，我们的 Gemini Robotics 模型赋予 Apollo 思考、多步推理并采取行动适应变化的能力。在这个概念验证中，Apollo 2 自主执行汽车配料作业：这是一项重复且耗费体力的任务，需要将散装料箱中的单个零件按生产线上每辆车所需的确切顺序分拣到有序托盘中。卸下这项单调的准备工作有助于保持装配线运转，同时让技术人员腾出精力专注于复杂的装配任务。
利用我们的具身推理模型（Gemini Robotics ER）跟踪工作流程，并使用 Gemini Robotics 2.5 动作模型控制其手和手臂，机器人伸入供料箱，拾取金属汽车支架，并将它们放入排序容器中，同时纠正任何间隙。该试点项目实现了 96% 的成功率，显示出朝着广泛的实际工业应用迈出的有希望的进展。
这就是我们打造 Apollo 的目的：在真实的工业环境中与人们一起从事有用的工作。将 Apollo 2 与 Gemini Robotics 结合，我们看到模型在短短几周的后期训练中大幅提升，并迁移到 Mercedes-Benz 生产中，性能几乎没有下降。这是将人形机器人大规模引入工业和商业环境的基础。
Jeff Cardenas
Apptronik 联合创始人兼首席执行官
Apollo 2 使用 Gemini Robotics 2.5 在 Mercedes-Benz 工厂自主执行汽车配料作业。
提升机器人的可操控性与智能体安全性
随着机器人在杂乱、日常的空间中运行，物理安全至关重要。为帮助确保这一点，我们显著提升了 Gemini Robotics 2.5 的安全功能。
Gemini Robotics 2.5 使用推理时推理引导来实时绕开物理危险。就像安全分类器在 Gemini 的响应周围增加一层保护层一样，这种引导使机器人能够安全地导航复杂环境。在我们的评估中，这一能力将绕开障碍物的安全任务完成率提高了 33%，绕开附近人员的安全任务完成率提高了 43%。
我们还在推进长时程、智能体任务的安全性。Gemini 4 Argon 目前在智能体机器人评估中领先，涵盖不安全任务拒绝、解决不确定性和在人类附近工作。为了测试越狱鲁棒性，我们发布了 ASIMOV-Jailbreak，这是一个新的开源基准测试，包含数百个提示，在数十个场景中伪装不安全请求。Argon 实现了 99.5% 的越狱抵抗率——相比我们之前基线 Gemini Robotics ER 2 的 82% 有显著提升。
由 GR-2.5 可操控性实现的安全的人类感知机器人动作
用 Gemini 4 Argon 加速机器人技术
为了教机器人新技能，研究人员需要大量物理数据和高效的建模算法。Gemini 4 Argon 的机器人研究能力通过充当模拟引擎帮助解决了这些瓶颈，极大地加速了我们对 Gemini Robotics 2.5 的开发。
Gemini 4 Argon 的机器人研究能力加速 Gemini Robotics 2.5 的示例
Argon 可以从真实世界的相机场景生成数千个多样化的模拟练习运行，并构建逼真的数字孪生。结合真实的训练演示，这使机器人能够更快地泛化到新场景和新物体。Argon 还可以帮助研究人员从视频片段中假设任务失败的原因，并在模拟和真实机器人上测试最佳改进方案。
在 Gemini 4 Argon 等前沿智能模型的加速下，Gemini Robotics 2.5 标志着通往解决物理 AGI 道路上的一个重要里程碑。通过在灵巧性、真实世界可靠性和严格安全性方面的进步，我们正在构建机器人能与人们并肩工作并解决现实世界挑战所需的物理智能
致谢
这项工作由 Gemini Robotics 团队开发。感谢以下人士的领导和对此项工作的支持：Huizhong Chen、Radu Soricut、Jean-Baptiste Alayrac、Melvin Johnson、Edward Grefenstette、Claire Cui、Jon Shlens、David Thacker、Zoubin Ghahramani、Clement Farabet、Koray Kavukcuoglu 和 Demis Hassabis。我们还要感谢 Google 和 Google DeepMind 中为此项工作做出贡献的众多团队，包括研究、法务、营销、传播、责任与安全委员会、负责任开发与创新、政策、战略与运营，以及我们的业务和企业发展团队。最后，我们要感谢我们的合作伙伴：Agile、Apptronik 和 Mercedes-Benz 团队对本次发布的支持。
相关文章
用于机器人的 Gemini 4 Argon
2026 年 10 月模型
Gemini Robotics 2 为机器人带来全身智能
2026 年 7 月模型
Gemini Robotics 1.5 将 AI 智能体带入物理世界
2025 年 9 月模型
Gemini Robotics 将 AI 带入物理世界
2025 年 3 月模型
