2026年11月10日，Google DeepMind正式發佈迄今為止能力最強嘅視覺‑語言‑動作（Vision‑Language‑Action，VLA）模型——Gemini Robotics 2.5。呢個模型旨在將視覺感知同自然語言指令直接轉化為機械人可執行嘅運動控制，進一步提升機械人喺真實物理世界中嘅通用靈巧性同可靠性。官方話，Gemini Robotics 2.5喺任務廣度、學習速度、精細操作同可靠性三個維度取得顯著進步，並已喺實際工廠環境完成概念驗證。
核心能力升級與評測表現
Gemini Robotics 2.5被定位為「目前最先進嘅VLA模型」，能夠控制由雙臂機械人到完整人形機械人嘅多種形態。佢同負責高層規劃嘅Gemini Robotics ER（Embodied Reasoning）模型協同運作：ER模型理解指令同實時影像並制定策略，VLA模型就將計劃轉化為具體嘅關節速度、姿態同夾爪控制指令。
官方喺超過200項唔同任務上對模型做咗評估，涵蓋用夾子分發食物、為禮盒繫蝴蝶結、用移液器處理液體等需要精細操作嘅場景。呢啲任務綜合考察咗工具使用、柔性物體操控同脆弱物品處理等能力。評測結果顯示，相較於此前基線，Gemini Robotics 2.5嘅任務成功率提升30%至100%（視任務類型而定），完成速度提升20%至30%。部分此前幾乎無法完成嘅任務出現明顯突破，例如用夾子包裝糕點嘅成功率由約5%升至100%，關閉工具箱蓋由0%升至93%，解開絲帶蝴蝶結由0%升至70%。
喺真實工業場景中，Gemini Robotics 2.5同Apptronik嘅Apollo 2人形機械人合作，喺梅賽德斯‑奔馳位於匈牙利克奇克梅特與德國辛德爾芬根嘅生產線完成概念驗證。機械人自主執行汽車零部件嘅揀取與配料（kitting）任務——由散裝料箱拎出金屬部件，並按車輛裝配所需順序放入托盤，成功率達到96%。官方認為，呢個有助將重複性工作交畀機械人，令技術人員專注更複雜嘅裝配任務。
模型支援多種機械人形態，包括配備五指、22自由度SharpaWave手部嘅Apollo 2人形機械人，以及採用雙指平行夾爪嘅Franka Duo平台。佢具備全身智能控制能力，可動態調整重心，令機械人能夠喺複雜環境中安全行步、蹲低或彎腰操作。
訓練加速與安全考量
DeepMind表示，Gemini 4 Argon喺Gemini Robotics 2.5嘅訓練中發揮咗重要作用。Argon能夠由單視角相機畫面生成虛擬練習環境，並回放失敗案例以調整策略，從而顯著縮短實體數據收集周期，令模型喺約四個月內完成能力躍升。
喺安全方面，團隊加強咗障礙物規避與人機共處能力。官方數據顯示，喺障礙物附近安全完成任務嘅性能提升約33%，喺人員附近提升約43%。同時，DeepMind開放咗安全基準ASIMOV‑Jailbreak，用於評估模型對「偽裝成無害指令嘅危險請求」嘅抵抗能力。相關數據集已開放，供研究社群使用。
客觀評估與行業影響
Gemini Robotics 2.5嘅發佈，標誌住視覺‑語言‑動作模型由實驗室示範向真實工業場景踏出實質性一步。96%嘅工廠配料成功率同多任務成功率提升，顯示模型喺結構化、可重複嘅工業環境中已具備較高實用性。精細操作能力嘅進步（尤其係對柔性同脆弱物體嘅處理）亦縮窄咗機械人同人類喺日常靈巧任務上嘅差距。
不過，仍需保持客觀。現時評測數據主要來自官方同合作方嘅測試，獨立第三方嘅大規模、長期驗證仍有限。工廠概念驗證雖達到96%成功率，但實際量產環境中嘅故障模式、長時間運行穩定性以及同人類工人嘅協同細節仍需進一步觀察。模型目前主要面向DeepMind嘅機械人合作夥伴開放，尚未公布公開API、定價或廣泛商用計劃。
從產業角度睇，Gemini Robotics 2.5強化咗「通用物理智能」嘅技術路徑：透過統一嘅VLA架構適配唔同機械人本體，並借助大模型加速模擬同學習。若後續能喺更多場景中保持高可靠性，並解決安全、成本同部署門檻問題，將有助推動人形與雙臂機械人由示範走向實際生產輔助。同時，開源安全基準嘅發佈亦為行業評估具身AI風險提供可參考嘅工具。
整體而言，Gemini Robotics 2.5代表目前VLA技術喺靈巧性同實際落地之間嘅一次重要進展。佢既展示咗模型能力嘅快速迭代，亦提醒行業：由實驗室成功率到工廠長期穩定運行，仍有工程同安全層面嘅關鍵挑戰需要持續攻克。
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎訂閱我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多AI新聞請瀏覽：https://www.airosetta.com