核心结论
2026 年 11 月 10 日，Google DeepMind 发布了迄今能力最强的视觉 - 语言 - 动作（VLA）机器人模型 Gemini Robotics 2.5，主打三件事：机器人能学会的任务更多、学得更快、干活更稳更安全。模型在 200 多项真实任务上做了评估，相比此前基线，按任务类型不同成功率提升 30%–100%，完成速度快 20%–30%；在与 Apptronik、梅赛德斯 - 奔驰合作的真实产线概念验证中，Apollo 2 人形机器人完成汽车零件分拣打包任务，成功率达到 96%。需要先把预期说清楚：这仍是面向合作伙伴开放的试点阶段，不是量产部署，官方没有披露任务时长、试验次数和产线节拍等工程化指标，96% 也意味着每约 25 次拣选仍有 1 次失败，距离工业级 99.99% 以上的可靠性还有很长的路。
这次升级最直观的看点是灵巧度：演示任务包括用食品夹分餐、给礼盒系蝴蝶结、液体移液等，覆盖高级工具使用、可变形物体操作和易碎物品精细处理。模型原生适配多种机器人本体，包括搭载五指 22 自由度 SharpaWave 手的 Apptronik Apollo 2 人形机器人，以及配两指平行夹爪的 Franka Duo 平台。下面按模型定位、能力提升、奔驰产线落地、安全设计、训练加速方式和落地边界逐层拆解。
一、模型定位：VLA 是什么，2.5 在家族里处于什么位置
1. VLA 模型的作用
VLA（Vision-Language-Action，视觉 - 语言 - 动作）模型接收摄像头画面和语言指令，直接翻译成机器人的运动控制指令。和传统按固定脚本重复单一动作的工业机器人不同，VLA 模型要在没见过的新场景里现场判断、调整动作。
2. Gemini Robotics 模型家族分工
| 模型 | 角色 | 说明 |
|---|---|---|
| Gemini Robotics 2.5 | 动作执行 VLA | 把视觉和语言输入转成手臂、手部运动控制，本次发布的主角 |
| Gemini Robotics ER 2 | 具身推理（ER）模型 | 理解物理空间、做多步规划、协调人与机器人协作 |
| Gemini Robotics On-Device 2 | 端侧轻量 VLA | 优化后可在机器人本地硬件上运行 |
在奔驰试点中，两个模型配合工作：ER 模型跟踪整条工作流、做零件匹配逻辑和异常恢复决策，2.5 动作模型负责控制手臂与手部的精细动作。THE DECODER
二、能力提升：三大方向与实测数据
1. 三大跃升方向
- 灵巧度：能借助日常工具作业，处理娇嫩、柔性物体，任务覆盖范围和操作精细度明显提高。
- 可靠性：在真实工厂环境的概念验证中完成重复性物料拣配，让技术人员从单调准备工作中腾出手，专注复杂装配。
- 安全性：优化物理安全可引导性，并推出面向机器人对抗越狱的全新测试基准。
2. 整体评估口径
- 测试任务数：200 多项不同任务，覆盖桌面拣放、多步接触密集型任务、精密套件装配与插入、灵巧工具与可变形物体操作四类。
- 成功率：相比前代基线按任务类型高 30%–100%。
- 速度：任务完成快 20%–30%。
- 适配本体：Apollo 2（五指 22 自由度 SharpaWave 手）、Franka Duo（两指平行夹爪）。
3. 部分任务前后代对比（公开示例）
| 任务 | Gemini Robotics 2 | Gemini Robotics 2.5 |
|---|---|---|
| 用夹子分装点心 | 5% | 100% |
| 合上工具箱盖 | 0% | 93% |
| 解开丝带蝴蝶结 | 0% | 70% |
| 挂起一件开衫 | 0% | 62% |
| 用刷子把垃圾扫进簸箕 | 0% | 52% |
| 打包电饭煲 | 0% | 40% |
| 折叠裤子 | 0% | 40% |
| 从杯架取下杯子放到桌面 | 29% | 75% |
注：以上为官方公布的单项示例，未披露每项背后的试验次数；表中 "系蝴蝶结" 对应演示里的礼盒系结与丝带解结类柔性物体操作。新浪财经
三、奔驰产线试点：怎么干活、谁在控制、结果如何
1. 试点基本信息
| 项目 | 内容 |
|---|---|
| 合作方 | Google DeepMind、Apptronik、梅赛德斯 - 奔驰 |
| 部署地点 | 匈牙利凯奇凯梅特工厂、德国辛德尔芬根工厂（在用生产线） |
| 机器人本体 | Apptronik Apollo 2 人形机器人，配 SharpaWave 五指 22 自由度手 |
| 任务类型 | 汽车套件分拣（kitting）：从散装料箱按每台车的需求顺序拣取金属支架，放入排序容器 |
| 模型分工 | Gemini Robotics ER 跟踪工作流；Gemini Robotics 2.5 控制手臂与手部，抓取和放置偏差时实时修正 |
| 试点结果 | 任务成功率 96% |
| 阶段 | 概念验证（POC），尚未披露节拍、试验次数、人工对比等工程指标 |
2. 任务流程拆解
- 机器人探入供料箱，视觉识别散装金属支架。
- 按产线车辆顺序要求拣取对应零件。
- 放入排序容器，全程修正装配间隙与放置偏差。
- ER 模型监控多步进度，异常时触发实时错误恢复策略。
3. 合作方反馈
Apptronik 联合创始人兼 CEO Jeff Cardenas 表示，经过短短几周后训练，模型性能就取得显著提升，迁移到奔驰真实生产线后性能下降幅度很小。Apollo 2 本体约 5 英尺 8 英寸、73kg，设计用于为人设计的空间作业，标称最大负载 25kg。SpecsLib
四、安全设计：可引导性与越狱测试
1. 推理时安全引导
Gemini Robotics 2.5 在推理阶段加入推理引导机制，类似文本模型外层的安全分类器，让机器人在复杂环境中实时规避物理危险。官方评估中：
- 障碍物周边安全任务完成率提升 33%。
- 人员周边安全任务完成率提升 43%。
2. 机器人越狱基准 ASIMOV-Jailbreak
- 谷歌开源该基准，包含数百条伪装成危险请求的提示，覆盖数十类场景，专门测试机器人模型是否会被诱导执行危险物理动作。
- 基准测试对象 Gemini 4 Argon 的越狱抵御率为 99.5%，前代基线 Gemini Robotics ER 2 为 82%。注意：99.5% 这一结果对应的是 Argon 智能体模型，不是 2.5 动作模型本身。
3. 长周期智能体安全
Gemini 4 Argon 在危险任务拒绝、不确定性消解、近距离人机协作等智能体机器人评估中处于谷歌内部领先水平；随着机器人进入日常环境，安全评估覆盖范围从单次动作延伸到多步骤长任务。
五、训练加速：Gemini 4 Argon 充当仿真引擎
1. 为什么需要仿真加速
教机器人新技能需要大量物理数据和高效建模算法，真机采集成本高、周期长。这次 2.5 的开发很大程度上借助了 10 月发布的 Gemini 4 Argon。
2. Argon 的具体作用
- 生成仿真练习：基于真实相机场景生成数千个多样化模拟练习片段，构建高保真数字孪生，配合真实演示数据让机器人更快泛化到新场景、新物体。
- 失败复盘：从视频片段中推演任务失败原因，在仿真环境和真机上同步测试改进方案。
- 缩短迭代周期：据 Humanoids Daily 报道，Argon 支撑了约四个月的快速迭代节奏；公告未拆分 Argon 仿真、真机数据和合作伙伴硬件后训练各自的贡献比例。
六、开放范围与落地边界
1. 当前开放状态
- 模型正面向谷歌机器人合作伙伴开放，合作方包括 Agile Robots、Apptronik、Boston Dynamics 及奔驰等。
- 公告未提及 Gemini API、AI Studio、Vertex AI 公开接入，也没有公布定价；本次未发布新的 ER 或端侧版本。
2. 需要冷静看待的几点
- 仍是概念验证：96% 成功率来自特定分拣任务，不等同于整条产线无人化；工业制造常用可靠性标准在 99.9% 以上，最后几个百分点的失败率是公认的 "最后一公里"。
- 指标披露有限：官方未说明 96% 覆盖多少次拣选、试点持续多久、节拍与人工相比如何，横向对比其它人形机器人试点时要注意口径。
- 任务范围有限：首批落地集中在重复性强、体力消耗大的物料分拣与排序，复杂装配仍由技术人员完成。
- 安全不等于零风险：安全引导和越狱基准是防护层，部署初期仍需人工在环监督。
【相关 FAQ】
问题 1：Gemini Robotics 2.5 是什么？它和普通工业机器人有什么区别？
回答 1：Gemini Robotics 2.5 是 Google DeepMind 2026 年 11 月 10 日发布的最强 VLA（视觉 - 语言 - 动作）机器人模型，把摄像头画面和语言指令直接翻译成机器人手臂、手部动作。传统工业机器人按固定脚本重复单一动作，而 Gemini Robotics 2.5 可以在未训练过的新场景中现场推理、调整动作，原生适配 Apollo 2 人形机器人和 Franka Duo 双臂平台等多种本体。
问题 2：Gemini Robotics 2.5 在奔驰生产线上具体做什么？成功率多少？
回答 2：在匈牙利凯奇凯梅特和德国辛德尔芬根的奔驰在用产线上，Apptronik Apollo 2 人形机器人基于 Gemini Robotics 2.5 完成汽车套件分拣：从散装料箱按每台车顺序拣取金属支架，放入排序容器。系统由 Gemini Robotics ER 跟踪工作流、2.5 控制手臂手部，试点任务成功率 96%。该项目目前是概念验证阶段，官方未披露节拍和试验次数。
问题 3：相比前代，Gemini Robotics 2.5 的灵巧度和速度提升了多少？
回答 3：官方在 200 多项任务上评估，相比此前基线，Gemini Robotics 2.5 按任务类型成功率高出 30%–100%，任务完成速度快 20%–30%。公开示例中，用夹子分装点心从 5% 提升到 100%，合上工具箱盖从 0% 到 93%，解丝带蝴蝶结从 0% 到 70%，挂开衫从 0% 到 62%；任务类型覆盖工具使用、柔性物体操作和易碎物品精细处理。
问题 4：Gemini Robotics 2.5 支持哪些机器人本体？普通企业现在能调用吗？
回答 4：模型原生适配多种机器人，包括搭载五指 22 自由度 SharpaWave 手的 Apptronik Apollo 2 人形机器人，以及配两指平行夹爪的 Franka Duo 平台。目前 Gemini Robotics 2.5 只面向谷歌机器人合作伙伴开放，公告没有公开 API、接入方式和定价，普通企业和开发者暂时不能直接调用，需等待后续开放计划。
问题 5：Gemini Robotics 2.5 在安全上做了哪些改进？96% 成功率可以直接量产吗？
回答 5：安全方面，2.5 加入推理时安全引导，障碍物周边安全任务完成率提升 33%、人员周边提升 43%；谷歌还开源了 ASIMOV-Jailbreak 机器人越狱测试基准。但 96% 成功率不能直接等同于可量产：它意味着约每 25 次拣选有 1 次失败，工业级可靠性通常要求 99.9% 以上，试点也未披露节拍、时长和人工对比数据，后续仍需人工在环监督并持续迭代。
【参考资料】
- [2026-11-11]（谷歌上线其最强机器人模型 入驻奔驰生产线 分拣成功率 96%）财联社（科创板日报）
- [2026-11-11]（Gemini Robotics 2.5 登场，会系蝴蝶结、已在奔驰生产线上岗）新浪财经（DoNews）
- [2026-11-11]（Google Gemini Brain Powers Humanoid Workers at Mercedes-Benz）RoboHorizon
- [2026-11-11]（Google DeepMind Launches Gemini Robotics 2.5: 96% Success on a Mercedes Factory Floor and What It Means for SMBs）Davarion Group and Labs
- [2026-11-11]（Google DeepMind Gemini Robotics 2.5 Powers Apptronik Apollo 2 to 96% Success Rate in Mercedes-Benz Assembly Pilot）SpecsLib
- [2026-11-10]（Gemini Robotics 2.5: Accelerating Physical Intelligence）Google DeepMind 官方博客
- [2026-11-10]（Google DeepMind's Gemini Robotics 2.5 scores 96 percent sorting metal parts in a Mercedes-Benz assembly pilot）THE DECODER
- [2026-11-10]（Gemini Robotics 2.5 Puts Apollo 2 on Mercedes-Benz Lines as Argon Speeds Up Training）Humanoids Daily
- [2026-11-10]（Gemini Robotics 2.5: 200 Tasks, 96% on a Mercedes Line）CellCog
- [2026-11-10]（Google DeepMind Unveils Gemini Robotics 2.5 With 96% Factory Success）GLOBAI
【免责声明】
本文基于 Google DeepMind 官方公告及公开媒体报道整理，所涉成功率、提升幅度、任务示例与合作进展均为官方或报道口径，部分试点指标（任务时长、试验次数、产线节拍、与人工效率对比等）尚未公开。文中内容仅供技术资讯参考，不构成投资建议、采购建议或对机器人商业化进度的承诺；机器人模型在真实场景中的表现受本体硬件、部署环境、后训练数据和安全配置等多重因素影响。实际应用请以厂商正式技术文档与现场试点结果为准，据此决策产生的风险由实施方自行承担。
本文来自作者[景光鉴品]投稿，不代表环球品牌网立场，如若转载，请注明出处：https://www.865171.cn/qyzx/202611/412.html
评论列表（4条）
我是环球品牌网的签约作者“景光鉴品”！
希望本篇文章《谷歌最强 VLA 模型 Gemini Robotics 2.5 登场灵巧操作大幅跃升，已在奔驰产线试点上岗》能对你有所帮助！
本站[环球品牌网]内容主要涵盖：品牌服务领域
本文概览：2026 年 11 月 10 日，Google DeepMind 发布了迄今能力最强的视觉 - 语言 - 动作（VLA）机器人模型 Gemini Robotics 2.5，主打三件事：机器人能学会的任务更多、学得更快、干活更稳更安全。模型在 200 多项真实任务上做了评估，相比此前基线，按任务类型不同成功率提升 30%–100%，完成速度快 20%–30%；在与 Apptronik、梅赛德斯 - 奔驰合作的真实产线概念验证中，Apollo 2 人形机器人完成汽车零件分拣打包任务，成功率达到 96%。需要先把预期说清楚：这仍是面向合作伙伴开放的试点阶段，不是量产部署，官方没有披露任务时长、试验次数和产线节拍等工程化指标，96% 也意味着每约 25 次拣选仍有 1 次失败，距离工业级 99.99% 以上的可靠性还有很长的路。