（文/陈桐垚 编辑/吕栋）
当地时间11月10日，Google DeepMind发布Gemini Robotics 2.5，称其为“谷歌迄今为止功能最强大的视觉—语言—动作（VLA）机器人模型”，并且该模型已面向谷歌的机器人合作伙伴开放。
在这份官方给出的成绩单里，最亮眼的数字来自汽车产线。谷歌与Apptronik、梅赛德斯-奔驰合作，让Apollo 2人形机器人在匈牙利凯奇凯梅特与德国辛德尔芬根的在用产线上，从散装料箱里按产线顺序拣取金属支架、放进对应容器，该任务的最终成功率为96%。
图片来源：Google DeepMind官网
研发过程中，团队在200多项真实任务上评测了新模型，从用食品夹分餐、给礼盒系蝴蝶结到液体移液，覆盖高级工具使用、可变形物体操作与易碎物品的精细处理。
图片来源：Google DeepMind官网
与之前的基线相比，Gemini Robotics 2.5的成功率提高30%至100%，同时执行速度快20%至30%。
在这背后发挥了重要作用的，是Gemini 4 Argon。
大语言模型有近乎取之不尽的文本可学，机器人的“教材”却只能来自真实物理世界：掌握一项新技能，既要有大量实采数据，也要有把数据用起来的建模方法。数据从哪来、怎么变成能力，一直是业内视作"机器人大脑"最硬的那道约束。
而Gemini 4 Argon能够充当仿真引擎，基于真实场景画面构建数字孪生环境，生成数千次各不相同的模拟练习；配合真实训练示范，这些仿真数据帮助机器人更快适应没见过的场景与物体。它还能从失败视频里反推原因，再把改进方案放回仿真和真机验证。
图片来源：Google DeepMind官网
此外，为了确保机器人的“人身安全”，Gemini Robotics 2.5还引入推理时引导机制，使机器人在障碍物附近安全完成任务的成功率提升33%，有人在场时提升43%。
目前96%的成功率仍是一个概念验证，官方暂未披露更多试点细节。但它体现了机器人大脑的进步，也展示出通用大模型在机器人训练中的更多可能性。
不过，GoogleDeepMind总监卡尼什卡·拉奥（Kanishka Rao）在接受采访时表示：弥合最后这4%的差距，将是一条“艰难的道路”。
本文系观察者网独家稿件，未经授权，不得转载。
热门跟贴