I
IAI 编辑部 · 官方 Official
IAI 编辑部 · 新闻解读 / News analysis
日期:Google DeepMind 官方博客标注 **November 10, 2026**,题为 *Gemini Robotics 2.5 accelerates real-world general dexterity*,作者 Carolina Parada(核实:https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/ )。本稿只谈发布节奏、VLA 评测怎么分层、产线 PoC 数字如何核对,以及安全评测闸门怎么进发布单;官宣中的对抗测试只记「有机器人场景安全评测 / 抗干扰闸门」,不转述样本、不讨论攻击方法。官方若列举了精细操作类评测任务,也只作为任务覆盖的说明,不提供任何实验或实验室操作指导。
一、事实要点(以 DeepMind 官页为准;性能、成功率和安全分数均为官宣,换任务、换机器人、换产线必须自测)
- **定位**:官宣将 Gemini Robotics 2.5 称为迄今最强的视觉-语言-动作(VLA)模型,并写它同时提高了机器人可学习的技能广度,以及学会这些技能的速度;目标是把灵巧操作、可靠性和安全,推进到更非结构化的真实环境。文中写,今年早些时候已把全身智能扩展到包括人形在内的多种本体;此次进展在很大程度上得益于 Gemini 4 Argon 对机器人研究的加速。
- **评测规模**:官宣写能力在任务广度、表现和复杂度上,在 **200 余项**不同任务中做了测试,并称这一方法还可以继续扩展。官方举例包括用夹子分餐、给礼盒系蝴蝶结,以及精细液体操作等;并把这些任务概括为高级工具使用、变形体操作和对易损物体的处理。
- **相对基线的官方数字(需自测)**:官宣写,与此前基线相比,Gemini Robotics 2.5 按任务类型可将成功率提高 **30% 到 100%**,完成任务的速度提高 **20% 到 30%**。这是按任务类型给出的区间,不是单一总分,缺任务定义和基线版本时不能直接写进采购结论。
- **多本体**:与此前的 Gemini Robotics 一样,官宣写它可原生用于多种机器人,包括 Apptronik 的 Apollo 2 人形(配备五指、22 自由度的 SharpaWave 手),以及使用两指平行夹爪的 Franka Duo。
- **产线 PoC(官方陈述,不是通用 SLA)**:为验证真实车间里的可靠性,官方写与 Apptronik、Mercedes-Benz 合作,在匈牙利 Kecskemét 和德国 Sindelfingen 的汽车产线上使用 Apollo 2。任务是汽车配料 / 排序(kitting):从散料箱中取出零件,按车辆所需顺序放入托盘。官方写工作流由具身推理模型 Gemini Robotics ER 跟踪,手臂和手部动作由 Gemini Robotics 2.5 的动作模型控制;机器人从料箱取金属支架放入排序容器,并纠正空位。官宣给出该概念验证的成功率为 **96%**。Apptronik 联合创始人兼 CEO Jeff Cardenas 在文中表示:模型在数周后训练后提升明显,迁移到奔驰产线时下降很小。以上均为官方或合作方陈述,本站未独立复核;成功率的定义(公差、节拍、是否含人工介入)官页未逐项展开,引用时必须标明来源并自测。
- **安全评测分层(只记闸门,不写攻击细节)**:官宣写 2.5 改进了物理安全可引导性(steerability),并引入面向机器人场景的对抗测试基准。具体机制上,官宣写它使用推理时的推理引导,在运行中避开物理危险;官方评估称,在有障碍物时安全完成任务提升 **33%**,在邻近人员时提升 **43%**。对长周期 agent 任务,官宣写 Gemini 4 Argon 目前在「拒绝不安全任务、处理不确定性、与人近距离作业」等评测上领先。官方同时开源了名为 **ASIMOV-Jailbreak** 的评测集,用于检验机器人场景下的拒答与抗干扰;官宣称 Argon 在该集上的抗干扰分数为 **99.5%**,此前基线 Gemini Robotics ER 2 为 **82%**。本站把这些条目记为必须分列的安全闸门,不转述评测样本内容,也不讨论如何构造对抗输入。
- **数据与仿真加速**:官宣写 Gemini 4 Argon 可充当仿真引擎,从而加速 2.5 的研发:能从真实相机场景生成大量多样化的仿真练习并构建数字孪生,再与真实示范数据结合,以更快泛化到新场景和新物体;也可以根据视频假设失败原因,并在仿真和真机上验证改进。这是官方描述的研发方法,仿真到真机的落差必须另行测量。
- **提供方式**:官宣写 Gemini Robotics 2.5 正在向其机器人合作伙伴推出。致谢中点名的合作方包括 Agile、Apptronik 和 Mercedes-Benz。不要把新闻稿理解成已对所有用户开放的通用 API 或可直接上线的产线系统。
二、编辑部怎么看(偏工程)
1. **VLA 的验收不能收成一个成功率**:技能广度、学习/适配速度、节拍和可靠性应分列。官方自己也是按任务类型给出 30%–100% 的成功率提升区间,并声明评测覆盖 200 余项任务——缺任务清单、成功定义和基线版本,就不能把区间抄进发布结论。评测分层:https://www.iaiforum.com/t/88 、https://www.iaiforum.com/t/111 。
2. **96% 是特定产线、特定工序的概念验证**:官页写明了工厂、任务(配料排序)、ER 负责流程跟踪、动作模型负责手和臂,以及「数周后训练、迁移落差很小」这一合作方陈述。发布单应要求冻结任务集、成功判据、人工介入率和节拍,而不是把 96% 当成任意车间的 SLA。Agent 评测要把「模型执行成功」和「产线可接受」分开:https://www.iaiforum.com/t/44 。
3. **安全要分层进门禁,而不是只报一个抗干扰分数**:物理避障 / 近人作业、拒绝不安全任务、不确定性升级,以及针对机器人场景的对抗评测,应分列;33%、43%、99.5% 都是官宣,换场景必须自测。推理时引导不能替代与模型解耦的急停和近人互锁。工具/权限:https://www.iaiforum.com/t/77 ;灰度:https://www.iaiforum.com/t/87 。本站不讨论对抗样本本身。
4. **仿真扩增示范是提速手段,不是已完成迁移的证明**:从相机场景生成数字孪生,必须同时报告仿真成功率和真机成功率,并把「谁有权把策略推到真机」写进权限面。可观测:https://www.iaiforum.com/t/73 。
5. **多本体分数不可直接搬家**:22 自由度灵巧手与两指平行夹爪的失败模式不同,评测集和公差应分本体建立。
6. **合作伙伴 rollout 不等于采购已完成**:访问范围、现场安全审查和数据留存,要和模型能力分开看。
三、English summary
On 10 November 2026 Google DeepMind announced Gemini Robotics 2.5, described as its most capable vision-language-action model to date (verified on the official DeepMind blog). The post says the model expands both the breadth of skills a robot can learn and the speed at which it can acquire them, and that development was accelerated in large part by Gemini 4 Argon. Official evaluations cover more than 200 tasks; versus previous baselines, the vendor claims a 30% to 100% higher success rate depending on task type, and 20% to 30% faster completion. The model is described as natively supporting multiple robot types, including Apptronik's Apollo 2 humanoid and a Franka Duo platform. In a production proof-of-concept with Apptronik and Mercedes-Benz in Kecskemét and Sindelfingen, Apollo 2 performed automotive kitting with a stated 96% success rate, using Gemini Robotics ER for workflow tracking and the 2.5 action model for arm and hand control — a vendor/partner claim that must be re-measured against a frozen definition of success. On safety, the post describes inference-time guidance for physical hazards (officially +33% safe completion around obstacles and +43% around nearby people), agentic evaluations for refusal, uncertainty and human proximity, and an open-source robotics-specific robustness benchmark called ASIMOV-Jailbreak (official scores: 99.5% for Argon vs 82% for Gemini Robotics ER 2). This note records those items as release gates only and does not reproduce benchmark prompts or attack methods. Takeaway: split VLA acceptance into skill coverage, cycle time, reliability and layered safety; treat the 96% factory figure as a scoped PoC, not a general SLA; and measure any sim-to-real gap before copying a headline number.
四、讨论问题
1. 如果要把产线 PoC 收进验收,你们会直接引用官方的 96%,还是先要求冻结任务集、成功定义和人工介入率?
2. VLA 上线前,会不会把 **技能广度**、**节拍 / 学习速度** 和 **安全拒答 / 近人作业** 分成三列,而不是只看一个成功率?
3. 物理安全除了模型侧的推理时引导,你们会不会另外要求与模型解耦的急停和近人互锁?
4. 若用仿真 / 数字孪生来扩增示范,仿真成功率和真机成功率有没有分列,谁有权把策略推到真机?
来源 Sources
- Google DeepMind · Gemini Robotics 2.5 accelerates real-world general dexterity(November 10, 2026):https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/
- 相关本站:Agent 评测 https://www.iaiforum.com/t/44 · 评测分层 https://www.iaiforum.com/t/88 · 自建评测 https://www.iaiforum.com/t/111 · 可观测 https://www.iaiforum.com/t/73 · 工具/权限 https://www.iaiforum.com/t/77 · 灰度 https://www.iaiforum.com/t/87 · 成本 https://www.iaiforum.com/t/61
欢迎贴(可脱敏)你们对产线或实验室外具身任务的否决指标;官宣成功率、速度与安全分数需自测后再进发布门槛。
——
IAI 编辑部(iaiforum.com 官方编辑账号 · Official editorial account of IAI Forum)
日期:Google DeepMind 官方博客标注 **November 10, 2026**,题为 *Gemini Robotics 2.5 accelerates real-world general dexterity*,作者 Carolina Parada(核实:https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/ )。本稿只谈发布节奏、VLA 评测怎么分层、产线 PoC 数字如何核对,以及安全评测闸门怎么进发布单;官宣中的对抗测试只记「有机器人场景安全评测 / 抗干扰闸门」,不转述样本、不讨论攻击方法。官方若列举了精细操作类评测任务,也只作为任务覆盖的说明,不提供任何实验或实验室操作指导。
一、事实要点(以 DeepMind 官页为准;性能、成功率和安全分数均为官宣,换任务、换机器人、换产线必须自测)
- **定位**:官宣将 Gemini Robotics 2.5 称为迄今最强的视觉-语言-动作(VLA)模型,并写它同时提高了机器人可学习的技能广度,以及学会这些技能的速度;目标是把灵巧操作、可靠性和安全,推进到更非结构化的真实环境。文中写,今年早些时候已把全身智能扩展到包括人形在内的多种本体;此次进展在很大程度上得益于 Gemini 4 Argon 对机器人研究的加速。
- **评测规模**:官宣写能力在任务广度、表现和复杂度上,在 **200 余项**不同任务中做了测试,并称这一方法还可以继续扩展。官方举例包括用夹子分餐、给礼盒系蝴蝶结,以及精细液体操作等;并把这些任务概括为高级工具使用、变形体操作和对易损物体的处理。
- **相对基线的官方数字(需自测)**:官宣写,与此前基线相比,Gemini Robotics 2.5 按任务类型可将成功率提高 **30% 到 100%**,完成任务的速度提高 **20% 到 30%**。这是按任务类型给出的区间,不是单一总分,缺任务定义和基线版本时不能直接写进采购结论。
- **多本体**:与此前的 Gemini Robotics 一样,官宣写它可原生用于多种机器人,包括 Apptronik 的 Apollo 2 人形(配备五指、22 自由度的 SharpaWave 手),以及使用两指平行夹爪的 Franka Duo。
- **产线 PoC(官方陈述,不是通用 SLA)**:为验证真实车间里的可靠性,官方写与 Apptronik、Mercedes-Benz 合作,在匈牙利 Kecskemét 和德国 Sindelfingen 的汽车产线上使用 Apollo 2。任务是汽车配料 / 排序(kitting):从散料箱中取出零件,按车辆所需顺序放入托盘。官方写工作流由具身推理模型 Gemini Robotics ER 跟踪,手臂和手部动作由 Gemini Robotics 2.5 的动作模型控制;机器人从料箱取金属支架放入排序容器,并纠正空位。官宣给出该概念验证的成功率为 **96%**。Apptronik 联合创始人兼 CEO Jeff Cardenas 在文中表示:模型在数周后训练后提升明显,迁移到奔驰产线时下降很小。以上均为官方或合作方陈述,本站未独立复核;成功率的定义(公差、节拍、是否含人工介入)官页未逐项展开,引用时必须标明来源并自测。
- **安全评测分层(只记闸门,不写攻击细节)**:官宣写 2.5 改进了物理安全可引导性(steerability),并引入面向机器人场景的对抗测试基准。具体机制上,官宣写它使用推理时的推理引导,在运行中避开物理危险;官方评估称,在有障碍物时安全完成任务提升 **33%**,在邻近人员时提升 **43%**。对长周期 agent 任务,官宣写 Gemini 4 Argon 目前在「拒绝不安全任务、处理不确定性、与人近距离作业」等评测上领先。官方同时开源了名为 **ASIMOV-Jailbreak** 的评测集,用于检验机器人场景下的拒答与抗干扰;官宣称 Argon 在该集上的抗干扰分数为 **99.5%**,此前基线 Gemini Robotics ER 2 为 **82%**。本站把这些条目记为必须分列的安全闸门,不转述评测样本内容,也不讨论如何构造对抗输入。
- **数据与仿真加速**:官宣写 Gemini 4 Argon 可充当仿真引擎,从而加速 2.5 的研发:能从真实相机场景生成大量多样化的仿真练习并构建数字孪生,再与真实示范数据结合,以更快泛化到新场景和新物体;也可以根据视频假设失败原因,并在仿真和真机上验证改进。这是官方描述的研发方法,仿真到真机的落差必须另行测量。
- **提供方式**:官宣写 Gemini Robotics 2.5 正在向其机器人合作伙伴推出。致谢中点名的合作方包括 Agile、Apptronik 和 Mercedes-Benz。不要把新闻稿理解成已对所有用户开放的通用 API 或可直接上线的产线系统。
二、编辑部怎么看(偏工程)
1. **VLA 的验收不能收成一个成功率**:技能广度、学习/适配速度、节拍和可靠性应分列。官方自己也是按任务类型给出 30%–100% 的成功率提升区间,并声明评测覆盖 200 余项任务——缺任务清单、成功定义和基线版本,就不能把区间抄进发布结论。评测分层:https://www.iaiforum.com/t/88 、https://www.iaiforum.com/t/111 。
2. **96% 是特定产线、特定工序的概念验证**:官页写明了工厂、任务(配料排序)、ER 负责流程跟踪、动作模型负责手和臂,以及「数周后训练、迁移落差很小」这一合作方陈述。发布单应要求冻结任务集、成功判据、人工介入率和节拍,而不是把 96% 当成任意车间的 SLA。Agent 评测要把「模型执行成功」和「产线可接受」分开:https://www.iaiforum.com/t/44 。
3. **安全要分层进门禁,而不是只报一个抗干扰分数**:物理避障 / 近人作业、拒绝不安全任务、不确定性升级,以及针对机器人场景的对抗评测,应分列;33%、43%、99.5% 都是官宣,换场景必须自测。推理时引导不能替代与模型解耦的急停和近人互锁。工具/权限:https://www.iaiforum.com/t/77 ;灰度:https://www.iaiforum.com/t/87 。本站不讨论对抗样本本身。
4. **仿真扩增示范是提速手段,不是已完成迁移的证明**:从相机场景生成数字孪生,必须同时报告仿真成功率和真机成功率,并把「谁有权把策略推到真机」写进权限面。可观测:https://www.iaiforum.com/t/73 。
5. **多本体分数不可直接搬家**:22 自由度灵巧手与两指平行夹爪的失败模式不同,评测集和公差应分本体建立。
6. **合作伙伴 rollout 不等于采购已完成**:访问范围、现场安全审查和数据留存,要和模型能力分开看。
三、English summary
On 10 November 2026 Google DeepMind announced Gemini Robotics 2.5, described as its most capable vision-language-action model to date (verified on the official DeepMind blog). The post says the model expands both the breadth of skills a robot can learn and the speed at which it can acquire them, and that development was accelerated in large part by Gemini 4 Argon. Official evaluations cover more than 200 tasks; versus previous baselines, the vendor claims a 30% to 100% higher success rate depending on task type, and 20% to 30% faster completion. The model is described as natively supporting multiple robot types, including Apptronik's Apollo 2 humanoid and a Franka Duo platform. In a production proof-of-concept with Apptronik and Mercedes-Benz in Kecskemét and Sindelfingen, Apollo 2 performed automotive kitting with a stated 96% success rate, using Gemini Robotics ER for workflow tracking and the 2.5 action model for arm and hand control — a vendor/partner claim that must be re-measured against a frozen definition of success. On safety, the post describes inference-time guidance for physical hazards (officially +33% safe completion around obstacles and +43% around nearby people), agentic evaluations for refusal, uncertainty and human proximity, and an open-source robotics-specific robustness benchmark called ASIMOV-Jailbreak (official scores: 99.5% for Argon vs 82% for Gemini Robotics ER 2). This note records those items as release gates only and does not reproduce benchmark prompts or attack methods. Takeaway: split VLA acceptance into skill coverage, cycle time, reliability and layered safety; treat the 96% factory figure as a scoped PoC, not a general SLA; and measure any sim-to-real gap before copying a headline number.
四、讨论问题
1. 如果要把产线 PoC 收进验收,你们会直接引用官方的 96%,还是先要求冻结任务集、成功定义和人工介入率?
2. VLA 上线前,会不会把 **技能广度**、**节拍 / 学习速度** 和 **安全拒答 / 近人作业** 分成三列,而不是只看一个成功率?
3. 物理安全除了模型侧的推理时引导,你们会不会另外要求与模型解耦的急停和近人互锁?
4. 若用仿真 / 数字孪生来扩增示范,仿真成功率和真机成功率有没有分列,谁有权把策略推到真机?
来源 Sources
- Google DeepMind · Gemini Robotics 2.5 accelerates real-world general dexterity(November 10, 2026):https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/
- 相关本站:Agent 评测 https://www.iaiforum.com/t/44 · 评测分层 https://www.iaiforum.com/t/88 · 自建评测 https://www.iaiforum.com/t/111 · 可观测 https://www.iaiforum.com/t/73 · 工具/权限 https://www.iaiforum.com/t/77 · 灰度 https://www.iaiforum.com/t/87 · 成本 https://www.iaiforum.com/t/61
欢迎贴(可脱敏)你们对产线或实验室外具身任务的否决指标;官宣成功率、速度与安全分数需自测后再进发布门槛。
——
IAI 编辑部(iaiforum.com 官方编辑账号 · Official editorial account of IAI Forum)

