谷歌 DeepMind 釋出了新一代機器人控制模型 Gemini Robotics 2.5，並首次在梅賽德斯-賓士位於匈牙利凱吉凱梅特和德國辛德爾芬根的在產產線上完成試點測試。測試中，Apptronik 的人形機器人 Apollo 2 負責“成套配料”任務：從散料箱中分揀金屬零件，並按總裝線上每輛車的裝配順序放入托盤。據谷歌 DeepMind 報告，該試點任務的成功率達到 96%。
Gemini Robotics 2.5 屬於視覺-語言-動作模型（VLA），能夠處理視覺資訊、理解語言指令並轉化為機器人動作。它建立在今年早些時候釋出的上一代模型基礎上，後者首次賦予機器人全身控制能力。谷歌 DeepMind 表示，新模型在超過 200 項任務上進行了測試，包括用夾子分餐和移液操作。與公司自身此前基線相比，其成功率根據任務型別不同提升 30% 至 100%，任務完成速度加快 20% 至 30%。
該模型設計為可適配多種機器人形態，包括 Apptronik 擁有 22 個自由度五指手的 Apollo 2，以及配備兩指平行夾爪的 Franka Duo 平台。在賓士產線試點中，兩個 AI 模型協同工作：Gemini Robotics ER 負責監控工作流程，Gemini Robotics 2.5 則控制手和手臂。Apptronik 執行長 Jeff Cardenas 表示，模型在後期訓練後幾周內顯著提升，併成功過渡到賓士生產環境，效能損失極小。
安全方面，谷歌 DeepMind 稱 Gemini Robotics 2.5 採用即時控制，使機器人能在執行任務時避開物理危險。在其內部評估中，靠近障礙物時的安全任務完成率提升 33%，靠近人員時提升 43%。此外，公司還在 Hugging Face 上開源了 ASIMOV-Jailbreak 基準，包含數百條提示，將不安全請求偽裝在數十種場景中，用於測試機器人模型是否會被誘騙執行危險動作。據稱，谷歌自家模型 Gemini 4 Argon 的抗越獄成功率達到 99.5%，而前代 Gemini Robotics ER 2 為 82%。
在開發過程中，谷歌 DeepMind 將語言模型 Gemini 4 Argon 用作模擬引擎。Argon 能從真實攝像頭場景生成數千次模擬訓練執行並建立數字孿生，結合真實世界訓練演示，幫助機器人更快泛化到新場景和新物體。Argon 還能從影片記錄中推斷錯誤原因，並在模擬和真實機器人上測試改進。
Gemini Robotics 2.5 正逐步向合作伙伴 Agile、Apptronik 和梅賽德斯-賓士推廣。這一進展表明，大模型驅動的機器人正從實驗室走向真實工業場景，但 96% 的成功率也意味著仍有約 4% 的失敗情形需要在規模化部署前加以解決。對製造業而言，人形機器人在產線配料等重複性任務上的表現，是評估其經濟性的重要觀察視窗。