谷歌DeepMind发布了升级版视觉-语言-动作(VLA)模型Gemini Robotics 2.5,旨在提升机器人在工业及日常环境中执行复杂物理任务的能力。
该公司表示,新模型在扩展机器人可执行任务范围的同时,提升了灵巧度、可靠性与安全性。
Gemini Robotics 2.5在超过200项任务中接受了评估,包括处理易碎物品、使用工具、操作柔性材料以及执行精密装配操作。
据谷歌DeepMind介绍,根据任务不同,该模型的成功率比此前版本提高了30%至100%,同时操作完成速度提升了20%至30%。
在梅赛德斯-奔驰测试人形机器人
最具代表性的演示案例之一,是Apptronik公司的Apollo 2人形机器人在匈牙利凯奇凯梅特和德国辛德芬根的梅赛德斯-奔驰生产线上运行。
这些机器人执行了汽车配套作业,即从散装容器中挑选单个零部件,并将其摆放到托盘中以供车辆组装使用。
Apollo 2利用Gemini Robotics 2.5控制其手臂和手部动作,并结合Gemini Robotics ER进行任务规划,在概念验证项目中实现了96%的成功率。
Apptronik联合创始人兼首席执行官杰夫·卡德纳斯表示:“这正是我们打造Apollo的初衷:与人们在真实工业场景中共同完成有价值的工作。
“将Apollo 2与Gemini Robotics配对后,我们看到模型在仅仅几周的后训练中就显著改进,并且在应用到梅赛德斯-奔驰的实际生产中时,性能下滑非常小。这为大规模将人形机器人引入工业和商业环境奠定了基础。”
提升安全性与仿真能力
谷歌DeepMind还推出了多项改进,旨在帮助机器人在障碍物和人员周围安全运行。
该公司报告称,基于推理的新型安全控制机制使机器人在障碍物周边的安全任务完成率提高了33%,在有人员靠近时提高了43%。
此外,谷歌DeepMind还推出了开源基准测试ASIMOV-Jailbreak,用于评估机器人AI系统是否能够抵御可能导致不安全行为的指令。
谷歌DeepMind表示,其Gemini 4 Argon模型在相关评估中实现了99.5%的抵御率,而此前的基准版本仅为82%。
Gemini 4 Argon还通过生成模拟训练场景、创建数字孪生以及帮助研究人员调查任务失败原因,为机器人研究提供支持。
该公司表示,这些能力减少了所需的物理训练数据量,从而加速了Gemini Robotics 2.5的开发进程。
目前,新模型已向谷歌DeepMind的机器人合作伙伴开放,该公司将继续开发能够跨不同机器人平台和现实应用场景运行的AI系统。
