一句话总结
2026 年 11 月 10 日，Google DeepMind 发布视觉—语言—动作（VLA）模型 Gemini Robotics 2.5：在奔驰位于匈牙利凯奇凯梅特与德国辛德尔芬根的在用产线上，Apptronik Apollo 2 人形机器人用该模型完成汽车零件拣选，成功率达到 96%；官方同时给出任务成功率较基线提升 30% 至 100%、执行速度快 20% 至 30% 的评测结果。
事件概述
2026 年 11 月 10 日，Google DeepMind 在官方博客发布 Gemini Robotics 2.5，称其为公司迄今能力最强的视觉—语言—动作模型。文章由 Gemini Robotics 团队负责人 Carolina Parada 署名，发布在 DeepMind 官方博客的 Models 栏目。
官方给出的测试场景不是实验室演示，而是奔驰的两座在用汽车工厂：匈牙利凯奇凯梅特的工厂与德国辛德尔芬根的工厂。测试对象是 Apptronik 的 Apollo 2 人形机器人，任务为汽车零件拣选（automotive kitting）：机器人从散装料箱中取出金属支架，按每辆车的装配顺序放入排列托盘。
DeepMind 称，Apollo 2 在该概念验证（proof-of-concept）中自主完成上述任务，成功率为 96%。机器人使用 Gemini Robotics ER 跟踪工作流，使用 Gemini Robotics 2.5 的动作模型控制手和手臂；在抓取与放置过程中，机器人会自行纠正料箱空隙带来的位置偏差。
这不是 Gemini Robotics 的首次亮相。2026 年早些时候，DeepMind 发布 Gemini Robotics 2，主题是把全身智能引入多种机器人；本次 2.5 的重点从“全身控制”转向“更快学会更多任务”，并把真实产线可靠性放到了发布叙事的中心。
关键信息
| 项目 | 官方披露内容 |
|---|---|
| 发布时间 | 2026 年 11 月 10 日（Google DeepMind 官方博客） |
| 模型 | Gemini Robotics 2.5，视觉—语言—动作（VLA）模型 |
| 评测规模 | 超过 200 项不同任务 |
| 任务类型 | 使用工具、处理易变形物体、精细操作，例如用夹子分餐、系礼盒蝴蝶结、移液 |
| 产线场景 | 奔驰匈牙利凯奇凯梅特工厂、德国辛德尔芬根工厂 |
| 机器人 | Apptronik Apollo 2 人形机器人，配五指 22 自由度 SharpaWave 手 |
| 产线任务 | 汽车零件拣选：从散装料箱取金属支架，按车辆顺序放入排列托盘 |
| 实测成功率 | 96%（概念验证） |
| 任务提升 | 成功率较此前基线提升 30% 至 100%，执行速度快 20% 至 30%（按任务类型） |
| 安全提升 | 障碍物附近安全完成任务提升 33%，人员附近提升 43% |
| 越狱抵抗 | Gemini 4 Argon 在 ASIMOV-Jailbreak 基准上达到 99.5%，此前 Gemini Robotics ER 2 为 82% |
| 可用性 | 正向机器人合作伙伴推送，未公布大规模量产部署时间 |
| 训练加速 | Gemini 4 Argon 作为仿真引擎，从真实相机场景生成数千次模拟练习 |
96% 是在什么任务上测出来的
96% 对应的是汽车零件拣选，不是泛化的“机器人操作成功率”。官方描述的任务链条很具体：Apollo 2 从散装料箱中取出金属汽车支架，放入按车辆装配顺序排列的容器；料箱中的零件位置不固定，机器人需要在抓取前判断姿态，在放置时修正位置偏差。
这套流程由两个模型分工：Gemini Robotics ER 负责理解工作流、跟踪步骤与判断下一步；Gemini Robotics 2.5 的动作模型负责把手和手臂的运动落到具体抓取与放置动作。DeepMind 在文中强调，机器人在遇到料箱空隙时会自行纠正，而不是按固定轨迹重复动作。
因此，96% 的统计口径是“概念验证中自主完成拣选的成功率”，不是工厂的节拍达成率、设备综合效率（OEE）或连续运行可用率。官方没有公布测试持续了多少个班次、累计处理多少件零件、人工接管次数与单件节拍，这些指标决定它能否进入正式生产。
从实验室到产线：kitting 为什么难
汽车零件拣选是典型的“低附加值、高重复、强顺序”工位。零件从散装料箱到排列托盘，涉及三种难点：零件姿态随机、料箱内有空隙、每辆车的装配顺序不同。传统固定轨迹机器人需要为每种零件与每种料箱设计夹具和路径；VLA 模型试图用视觉与语言指令直接泛化到新对象。
DeepMind 给出的泛化证据是 200 多项任务，包括用夹子分餐、给礼盒系蝴蝶结、移液等。官方称，Gemini Robotics 2.5 在这些任务上的成功率较此前基线提升 30% 至 100%，速度快 20% 至 30%。这组数字是跨任务类型的区间，不是单一任务的平均值。
硬件侧，Apollo 2 配五指、22 自由度的 SharpaWave 手；模型同时支持 Franka Duo 双臂平台与两指平行夹爪。DeepMind 的说法是，同一模型可原生适配不同机器人形态，不需要为每种机器人单独训练一套动作策略。
Apptronik 联合创始人兼 CEO Jeff Cardenas 在官方博客中表示，Apollo 2 与 Gemini Robotics 配合后，模型在短短几周的后训练中显著提升，迁移到奔驰产线时性能下降很小。这句话说明的是后训练效率与迁移表现，不是产线长期稳定性。
安全增益：避障与越狱抵抗
Gemini Robotics 2.5 在安全侧给出两组数字。第一组是运行时推理引导（inference-time reasoning guidance）：机器人在执行任务时实时绕开物理风险。官方评测称，障碍物附近的安全任务完成率提升 33%，人员附近提升 43%。
第二组是智能体越狱抵抗。DeepMind 同时发布 ASIMOV-Jailbreak 开源基准，包含数百条把不安全请求伪装进数十个场景的提示。Gemini 4 Argon 在该基准上的越狱抵抗率为 99.5%，此前的 Gemini Robotics ER 2 为 82%。
这两组数字分别对应“物理安全”与“指令安全”。物理安全解决的是机器人在有人、有障碍物的环境里如何不撞到人和物；指令安全解决的是机器人被恶意提示诱导执行危险动作时如何拒绝。DeepMind 把两者放在同一代模型里发布，说明其安全评估从单步动作扩展到了长程智能体任务。
人形机器人进厂的真实边界
第一，96% 是概念验证数据。奔驰的两座工厂是“在用产线”，但测试仍是试点：官方没有说 Apollo 2 已经并入正式生产节拍，也没有给出部署台数、运行时长与单班处理量。96% 的成功率说明任务可行性，不等于量产可靠性。
第二，节拍与成本未披露。汽车产线按每辆车的时间窗口组织，机器人必须在不拖慢主线的前提下完成拣选。官方没有公布单件拣选时间、换型时间、维护周期与单台成本，因此无法计算投资回收期，本站不做推算。
第三，泛化仍有边界。200 项任务覆盖了工具使用、易变形物体与精细操作，但官方没有给出每一类任务的单独成功率，也没有给出失败模式分布。96% 的产线成功率对应的是汽车支架这一种对象，换到其他零件、其他料箱或其他工厂，需要重新做后训练与验证。
第四，安全基准是开源评测，不是现场认证。ASIMOV-Jailbreak 提供的是对抗提示测试，物理安全的 33% 与 43% 提升来自官方评测环境；这两种结果能否转化为工厂的安全认证，取决于各地区的机器安全标准与现场风险评估。
第五，发布时间表未定。DeepMind 称 Gemini Robotics 2.5 正在向机器人合作伙伴推送，但没有公布大规模量产部署时间。对奔驰与其他制造企业，当前可确认的事实是“完成了在用产线上的概念验证”，不是“已批量上岗”。
影响与边界
第一，VLA 路线有了公开的产线数据。此前多数人形机器人演示停留在实验室视频，DeepMind 把成功率、两座在用工厂与具体任务写进了官方材料。这会抬高竞争者的证明门槛：厂商再展示机器人操作，需要给出任务定义、成功口径与现场条件，而不是只放一段演示视频。
第二，制造业的关注点从“机器人能不能做”转向“产线能不能接”。拣选只是单个工位，正式部署还要过安全认证、节拍集成、维护与备件、操作员培训四道关。这四项都没有出现在概念验证的披露范围内，也没有对应的公开数据。
第三，训练方式的变化比单次成功率更值得注意。Gemini 4 Argon 作为仿真引擎，从真实相机场景生成数千次差异化练习并构建数字孪生，把“新对象到可用策略”的周期压缩。若这套流程能复制到其他零件，机器人编程的成本结构会改变；官方没有公布每个新任务所需的训练时间与成本。
边界同样明确：96% 是公司自述的单任务概念验证结果，测试时长、处理件数、人工接管、节拍、部署台数与机器人成本均未披露；安全百分比是评测结果，不是现场认证数据。把这些数字外推为“人形机器人已在大规模替代产线工人”，超出了官方材料支持的范围。