谷歌 DeepMind 发布了新一代机器人控制模型 Gemini Robotics 2.5，并首次在梅赛德斯-奔驰位于匈牙利凯奇凯梅特和德国辛德尔芬根的在产产线上完成试点测试。测试中，Apptronik 的人形机器人 Apollo 2 负责“成套配料”任务：从散料箱中分拣金属零件，并按总装线上每辆车的装配顺序放入托盘。据谷歌 DeepMind 报告，该试点任务的成功率达到 96%。
Gemini Robotics 2.5 属于视觉-语言-动作模型（VLA），能够处理视觉信息、理解语言指令并转化为机器人动作。它建立在今年早些时候发布的上一代模型基础上，后者首次赋予机器人全身控制能力。谷歌 DeepMind 表示，新模型在超过 200 项任务上进行了测试，包括用夹子分餐和移液操作。与公司自身此前基线相比，其成功率根据任务类型不同提升 30% 至 100%，任务完成速度加快 20% 至 30%。
该模型设计为可适配多种机器人形态，包括 Apptronik 拥有 22 个自由度五指手的 Apollo 2，以及配备两指平行夹爪的 Franka Duo 平台。在奔驰产线试点中，两个 AI 模型协同工作：Gemini Robotics ER 负责监控工作流程，Gemini Robotics 2.5 则控制手和手臂。Apptronik 首席执行官 Jeff Cardenas 表示，模型在后期训练后几周内显著提升，并成功过渡到奔驰生产环境，性能损失极小。
安全方面，谷歌 DeepMind 称 Gemini Robotics 2.5 采用实时控制，使机器人能在执行任务时避开物理危险。在其内部评估中，靠近障碍物时的安全任务完成率提升 33%，靠近人员时提升 43%。此外，公司还在 Hugging Face 上开源了 ASIMOV-Jailbreak 基准，包含数百条提示，将不安全请求伪装在数十种场景中，用于测试机器人模型是否会被诱骗执行危险动作。据称，谷歌自家模型 Gemini 4 Argon 的抗越狱成功率达到 99.5%，而前代 Gemini Robotics ER 2 为 82%。
在开发过程中，谷歌 DeepMind 将语言模型 Gemini 4 Argon 用作模拟引擎。Argon 能从真实摄像头场景生成数千次模拟训练运行并创建数字孪生，结合真实世界训练演示，帮助机器人更快泛化到新场景和新物体。Argon 还能从视频记录中推断错误原因，并在模拟和真实机器人上测试改进。
Gemini Robotics 2.5 正逐步向合作伙伴 Agile、Apptronik 和梅赛德斯-奔驰推广。这一进展表明，大模型驱动的机器人正从实验室走向真实工业场景，但 96% 的成功率也意味着仍有约 4% 的失败情形需要在规模化部署前加以解决。对制造业而言，人形机器人在产线配料等重复性任务上的表现，是评估其经济性的重要观察窗口。