Gemini Robotics 2.5

是什么

Gemini Robotics 2.5 是谷歌 DeepMind（Google DeepMind）发布的视觉-语言-动作模型（vision-language-action，VLA）。谷歌 DeepMind 于 2026 年 11 月 10 日发布该模型，称其为迄今能力最强的 VLA 模型^[1]。VLA 模型以摄像头画面和文字指令作为输入，输出机器人要执行的动作，因此同一个模型既要理解场景，也要控制机器人的动作。

由来

谷歌 DeepMind 表示，Gemini 4 Argon 帮助加速了该模型背后的机器人研究，包括根据摄像头画面生成模拟练习运行，以及生成数字孪生（digital twin，即现实场景的虚拟副本）^[1]。

主要特点

谷歌 DeepMind 称，该模型在 200 多项不同任务上进行了测试^[1]。与此前的基线相比，它的成功率按任务类型不同高出 30% 到 100%，完成任务的速度快 20% 到 30%^[1]。该模型可直接用于 Apptronik 的 Apollo 2 人形机器人和 Franka Duo 平台^[1]。

发布内容还包括安全部分。谷歌 DeepMind 表示，推理时引导（inference-time reasoning guidance）在其评测中，使机器人在障碍物附近安全完成任务的比例提高 33%，在附近有人时提高 43%^[1]。同时发布的还有开源基准 ASIMOV-Jailbreak，它包含数百条提示，以各种伪装掩盖不安全的请求，覆盖几十个场景^[1]。越狱（jailbreak）指绕过模型安全限制的尝试。在这个基准上，谷歌 DeepMind 报告 Gemini 4 Argon 的越狱抵抗率为 99.5%，此前的基线 Gemini Robotics ER 2 为 82%^[1]。

在发展中的位置

在与 Apptronik 和梅赛德斯-奔驰（Mercedes-Benz）合作的汽车行业 kitting（把装配所需零件按套件配齐）概念验证中，Apollo 2 机器人在匈牙利凯切凯梅特（Kecskemét）和德国辛德尔芬根（Sindelfingen）的生产线上达到 96% 的成功率，数据由谷歌 DeepMind 给出^[1]。

目前，Gemini Robotics 2.5 正向机器人合作伙伴推出，已公布的合作伙伴包括 Agile、Apptronik 和梅赛德斯-奔驰^[1]。