11月10日，Google DeepMind正式对外发布新一代机器人基础模型Gemini Robotics 2.5。作为一款视觉语言动作模型，它也是首个借助Gemini 4 Argon加速研发并具备递归自我改进能力的机器人模型，核心作用是把摄像头捕捉到的视觉画面、人类输入的语言指令直接转化为机器人手臂和手部的具体动作，打通从感知到执行的完整链路。不同于此前仅能在实验室特定环境下运行的机器人模型，Gemini Robotics 2.5的研发目标是让机器人走出封闭测试空间，适应充满变数的真实物理场景，协助人类完成更多类型的复杂任务。

　　为了让非专业用户也能理解这款模型的定位，可以把它看作机器人的“动作指挥中枢”：当人类说出“把桌上的糕点端到旁边的托盘里”这类指令时，模型会先通过摄像头看清糕点的位置、软硬度和摆放状态，再自动规划出抓取的力度、移动的路径和放置的角度，全程不需要人工一步步编写动作代码，就能自主完成整套操作。目前这款模型尚未全面对外开放，仅面向Agile、Apptronik等谷歌的机器人合作伙伴定向开放，普通用户暂时无法直接获取使用权限。

核心性能全面升级 精细操作能力大幅跃升

　　Gemini Robotics 2.5在灵巧性、可靠性和安全性三个核心维度上实现了全面升级，谷歌在200种不同类型的任务中对其进行了完整测试，覆盖桌面抓取、多步接触、精细操作等多个类别。测试结果显示，该模型的任务成功率相比此前的基线版本提高30%至100%，不同任务的提升幅度存在差异，同时任务完成速度也同步提升20%至30%，机器人执行动作的流畅度和效率都有明显改善。

　　此前柔性物体操作一直是机器人领域的公认难题，衣物、丝带这类物体在被抓取、拉动的过程中会不断改变形状，机器人很难精准判断其实时状态并调整动作，Gemini Robotics 2.5针对这一痛点进行了重点优化。在实际测试场景中，机器人可以稳稳端起表面松软的糕点，不会因为抓取力度过大把糕点捏变形，也不会因为力度过小让糕点滑落；面对系好的蝴蝶结，机器人能够精准识别丝带的交叉缠绕关系，找到正确的施力位置，配合手指的细微动作将蝴蝶结完整解开；处理折叠衣物的任务时，机器人也能逐步调整抓取点，把原本摊开的衣物整理成规整的形态。

　　从谷歌公开的具体测试数据来看，部分此前几乎无法完成的精细任务，在搭载新模型后实现了能力的跨越式提升。其中整理糕点的任务成功率从之前的5%直接提升至100%，解蝴蝶结的任务成功率从0%提升至70%，挂开衫的任务成功率从0%提升至62%，折裤子的任务成功率也从0%提升至40%，这些数据直观展现了新模型在精细操作领域的突破。

真实工业产线验证 零部件分拣成功率达96%

　　机器人模型的实际价值，最终要在真实的工作场景中接受检验，Gemini Robotics 2.5没有停留在实验室的封闭环境中，而是直接进入了正在运行的汽车生产车间开展概念验证。谷歌联合Apptronik和梅赛德斯-奔驰，将搭载该模型的Apollo 2人形机器人部署在奔驰位于德国辛德芬根和匈牙利凯奇凯梅特的两家汽车工厂产线中，开展汽车零部件配套分拣的实际测试。

　　参与测试的Apollo 2人形机器人配备了SharpaWave五指灵巧手，拥有22个自由度，每一根手指都能独立完成不同角度的弯曲和施力动作，模拟人类人手的灵活度。在实际作业过程中，机器人需要从装满各类金属零件的物料箱中精准抓取指定的汽车零部件，再按照每台车辆的生产顺序要求，将不同零件依次放入对应的排序容器中，过程中还要自动修正零件放置的间隙偏差，确保后续装配工序能够顺利进行。这类分拣工作重复性高、长时间作业体力消耗大，此前大多由工厂工人手动完成，很容易出现疲劳导致的失误。

　　经过产线实际运行的统计，搭载Gemini Robotics 2.5的Apollo 2人形机器人在汽车零部件分拣任务中的成功率达到96%，这一结果证明视觉语言动作模型已经具备在真实工业环境中完成连续抓取、识别、调整和放置全流程作业的能力。不过目前该项目仍处于概念验证阶段，仅针对零部件分拣这单一环节开展测试，距离整条生产线实现无人化运行仍有不小的距离。

Gemini 4 Argon全链路加速 构建数字孪生训练体系

　　Gemini Robotics 2.5能够实现性能的大幅提升，核心支撑来自Gemini 4 Argon对模型开发全链路的加速作用，这也是本次发布中最受行业关注的技术变化。长期以来，机器人训练一直面临真实场景数据获取成本高的难题，依靠人工遥操作采集训练数据，需要投入大量的设备、场地和操作人员，训练周期很长，而传统的仿真训练又存在虚拟环境和真实物理世界差异过大的问题，机器人在虚拟环境中学会的动作，放到真实场景里往往无法顺利复现。

　　Gemini 4 Argon搭建了一套完整的Real2Sim2Real训练流程，大幅提升了真实场景和仿真环境之间的迁移效率。第一步是Real2Sim环节，它可以直接通过真实机器人的相机拍摄到的现场照片，自动重建出对应的物理仿真环境，识别场景中的物体、空间结构和不同物体之间的接触关系，搭建出经过物理参数校准的数字孪生训练场，不需要人工手动搭建虚拟场景。第二步是Simulation环节，在已经建好的数字孪生环境中，系统可以自动生成数千次不同条件下的模拟练习，主动改变物品的摆放位置、环境参数和任务条件，生成海量的训练样本，让机器人在虚拟环境中反复练习各类动作，不需要占用真实的物理场地和硬件设备。

　　第三步是Sim2Real环节，系统会把仿真环境中训练好的模型放到真实机器人上进行真机测试，收集实际作业中的表现数据，再把测试结果反馈到下一轮的训练流程中，不断优化模型的实际表现。除此之外，Gemini 4 Argon还可以自动分析机器人执行任务失败的视频，从中找到动作偏差和训练数据存在的问题，直接推测出失败的原因并提出对应的改进方案，辅助研发人员快速调整训练策略，大幅缩短模型迭代的周期。

安全机制全面强化 多重防护保障运行稳定

　　在机器人进入真实物理环境作业的过程中，安全性是不可忽视的核心要求，Gemini Robotics 2.5针对物理避险和恶意指令抵御两个方向进行了专门的能力升级。新模型大幅增强了物理避险能力，当机器人在作业过程中检测到前方出现障碍物时，会自动调整动作路径，或是暂时停止作业等待障碍物移除后再继续，相关测试数据显示，面对障碍物的安全任务表现相比此前提升33%。

　　当人类在机器人附近活动时，模型也能实时感知到周边人员的位置，自动调整动作的速度和力度，避免误伤到周边的工作人员，在人类附近操作的安全任务表现提升了43%。为了进一步完善机器人安全能力的行业评测标准，Google DeepMind还同步在Hugging Face开源了机器人对抗越狱评测基准ASIMOV-Jailbreak，收录了数百条跨数十种日常物理场景的伪装不安全指令测试提示词，供学界和行业共同检验机器人的安全拒答与动作拦截能力。

　　针对外界关注的恶意指令诱导问题，Gemini Robotics 2.5的越狱抵抗率达到99.5%，可以有效识别出伪装成正常指令的恶意操作要求，拒绝执行可能带来危险的动作。目前行业内仍有不少待解的开放性问题值得关注：面对形态变化更复杂的柔性物体，模型是否还能保持稳定的操作成功率？大规模部署之后，这类机器人模型的硬件和训练成本能否控制在可接受的范围内？当更多人形机器人进入工厂和家庭场景，人类和机器人的协作边界又该如何清晰划定？这些问题目前都还没有明确的统一答案，仍有待后续的技术迭代和实际落地过程中逐步探索。

(编辑：杨学萍)