Google DeepMind发布Gemini Robotics 2.5，一款把视觉和语言指令直接转换为机器人动作的VLA模型。官方在超过200项任务中测试了它，包括系蝴蝶结、用夹子装糕点、折叠衣物和移液；相较上一代，不同任务的成功率提高30%至100%，完成速度提升20%至30%。在奔驰位于德国和匈牙利的生产线上，搭载该模型的Apptronik Apollo 2人形机器人完成汽车零件分拣与配套，官方报告成功率为96%。训练方式也值得关注：Gemini 4 Argon会从一段真实相机画面生成数千种数字孪生练习环境，并分析失败录像、提出改进方案。与此同时，DeepMind开放了面向机器人Agent的ASIMOV-Jailbreak安全评测。不过，96%仍是合作方的概念验证成绩，不是长期量产数据；模型目前只向机器人合作伙伴推出，仍通过云端运行，演示视频还经过两倍加速，因此不能据此判断通用人形机器人已经接近规模化替代人工。
文章作者、来源：Google DeepMind
它是机器人的“动作层”，不是又一个聊天模型
Gemini Robotics系统实际上由不同模型分工协作。
Gemini Robotics ER负责理解现场视频、推理物理环境并制定多步骤计划，相当于机器人的“大脑”；Gemini Robotics 2.5则是视觉—语言—动作模型，即VLA，把画面、语言指令和计划转换成手臂、手指或夹爪的连续控制动作。
在奔驰工厂的实验中，ER模型负责跟踪整个零件配套流程，2.5动作模型则控制Apollo 2的双手和手臂。这种拆分很重要：新闻中的96%不是单个大模型端到端完成全部工作的结果，而是感知、规划、动作模型及机器人硬件共同组成的系统成绩。
新模型可以适配不同机器人形态。官方演示包括配备五指、22个自由度SharpaWave手掌的Apollo 2人形机器人，也包括使用两指平行夹爪的Franka双臂平台。
不过，Gemini Robotics 2.5目前没有面向所有开发者开放API、权重或通用下载。Google只表示正向Agile Robots、Apptronik等合作伙伴推出；机器人产品线整体拥有一百多家可信测试伙伴，不等于这款新动作模型已向所有测试者开放。
真正难的不是拿起硬物，而是处理柔软和易碎物体
工业机器人早已能够在结构固定的生产线上重复焊接、搬运和装配。通用机器人更棘手，因为衣服、丝带、塑料袋和食物会不断改变形状，摄像头也无法从一次观察中准确推断它们的受力状态。
DeepMind在超过200项任务中评估了新模型，重点加入了几类传统机器人容易失败的操作：用夹子装糕点、系或解开丝带蝴蝶结、挂起开衫、折叠裤子、使用移液器，以及把散落物扫进簸箕。
官方分项成绩显示，装糕点从上一代的5%提升至100%，解开蝴蝶结从0%升至70%，挂开衫从0%升至62%，折裤子从0%升至40%；关闭黑色工具箱盖从0%升至93%，把悬挂的杯子取下并放到桌面则从29%提高到75%。整体上，不同任务的成功率提高30%至100%，执行速度加快20%至30%。
这些数字均来自DeepMind内部任务集，不是具有统一硬件、统一训练数据和盲测流程的第三方机器人排行榜。部分任务从零提升到较高成功率非常醒目，但也会放大“相对提高100%”这类汇总描述；折裤子达到40%，同时意味着多数尝试仍然失败。
96%来自真实工厂，但仍只是概念验证
更接近实际生产的测试发生在奔驰位于匈牙利凯奇凯梅特和德国辛德尔芬根的工厂。
Apollo 2从散装料箱中抓取金属支架，再按照对应车辆所需顺序放入零件托盘。这类“kitting”工作重复、耗费体力，但对准确率要求很高：放错一个零件，可能打乱后续装配顺序。
DeepMind报告系统在这项任务中取得96%的成功率。Apptronik称，机器人只经过数周后训练，迁移到奔驰生产环境后性能下降很小。
然而，96%不能等同于量产部署已经成熟。DeepMind机器人负责人在接受采访时承认，从96%提高到工业环境常见的99.9%级可靠性将是一条陡峭的道路。机器人的优势在于同一个模型可以适应许多任务，但专门编程的传统自动化设备通常能在单一任务上实现更稳定的表现。
官方也没有公开此次试验的总操作次数、连续运行时间、人工接管频率、平均故障间隔，或96%究竟按单次抓取、整盘零件还是完整工作流程计算。因此，这一成绩应理解为有价值的工厂概念验证，而非经过独立审计的生产可用率。
Gemini 4 Argon开始参与训练机器人
实体机器人训练的核心瓶颈是数据。文本模型可以从海量网页学习，机器人却需要昂贵的示范、传感器记录和真实设备运行时间；让真实机器人反复摔落物品或接近人员，也会带来设备和安全风险。
DeepMind把Gemini 4 Argon用作模拟引擎。系统可以根据一段真实相机画面建立数字孪生环境，再生成数千种物体位置、视角、光照和场景变化，让动作模型在虚拟环境中练习。模拟数据会与真实示范结合，避免模型只适应不够准确的虚拟物理规律。
Argon还会观看失败录像，提出“为什么失败”的假设，然后分别在模拟器和真实机器人上测试改进方案。Google认为，这套流程把原本需要数月完成的部分训练压缩到了更短周期。
这并不意味着Argon正在实时控制机器人的每个动作。前沿推理模型的响应速度无法满足连续电机控制需要；当前2.5动作模型也仍主要运行在云端。独立报道还指出，官方演示视频进行了两倍加速，所以画面中的人类式动作速度并非机器人原始运行速度。
机器人安全不只是“不要撞到人”
Gemini Robotics 2.5增加了推理时的物理安全引导。系统在动作过程中持续检查障碍物及附近人员，必要时停止、等待或重新规划路径。Google内部评测称，这使机器人在存在障碍物时的安全任务完成率提高33%，有人靠近时提高43%。
进步很明显，“通用机器人时刻”仍未到来
Gemini Robotics 2.5的实质进展，是把通用动作模型从实验室桌面任务推向了真实生产线，同时显著扩大了柔性物体、精密工具和多步骤任务的覆盖范围。利用通用大模型生成模拟环境、分析失败，再训练专用动作模型，也可能成为机器人开发的新标准流程。
但目前仍存在四项关键限制：模型只向合作伙伴提供；主要成绩来自开发团队自测；动作依赖云端推理；最有说服力的工厂案例仍有约4%的失败率，也没有公开长期运行数据。
因此，更准确的结论不是“人形机器人已经能替代工人”，而是通用机器人开始跨过一个重要门槛：同一套学习系统终于能在不同硬件和不同任务之间迁移，并在真实工厂里展示具有实际价值、但仍需人工监督的可靠性。