新闻Google DeepMind Blog12 天前
Gemini Robotics 2.5发布:Apollo 2在奔驰产线分拣成功率达96%
本文由 AI 根据公开内容整理,可能有误,请以原文为准:Gemini Robotics 2.5 accelerates real-world general dexterity(Google DeepMind Blog)
核心内容
Google DeepMind正式推出视觉-语言-动作模型Gemini Robotics 2.5,旨在解决非结构化环境下的通用灵巧操作难题。该模型在200余项涵盖工具使用与柔性物体操作的基准测试中,相比前代基线成功率提升30%至100%,任务执行速度加快20%至30%。目前该模型已向机器人合作伙伴开放部署,标志着具身智能从实验室迈向工业与日常场景的关键一步。
在梅赛德斯-奔驰匈牙利与德国工厂的实地验证中,Apptronik Apollo 2人形机器人利用Gemini Robotics ER进行工作流推理,配合2.5动作模型控制22自由度SharpaWave五指手,自主完成汽车零部件分拣上架(Kitting),取得96%成功率。系统引入推理时安全引导机制,使避障安全完成率提升33%,人员邻近作业安全性提升43%,有效应对长程任务中的物理风险与对抗性攻击。
关键看点
- 工业实测指标:Apollo 2在奔驰产线自主执行汽车零部件分拣任务,实现96%操作成功率,验证了VLA模型在真实工业环境的可靠性
- 灵巧操作性能:在200项复杂任务评测中,模型成功率较基线提升30%-100%,执行速度提高20%-30%,覆盖工具使用及柔性物体抓取
- 主动安全机制:采用推理时推理引导技术实时规避物理危险,障碍物周围安全完成率提升33%,人员协作场景安全性提升43%
- 跨本体泛化:原生支持Apptronik Apollo 2五指手与Franka Duo平行夹爪等多构型硬件,经数周后训练即可迁移至新产线且性能衰减极低
工程与产业观察
Gemini Robotics 2.5在奔驰产线的96%成功率是人形机器人进入汽车总装核心工序的里程碑数据。其采用的“ER推理+动作模型”分层架构及推理时安全引导,为具身智能提供了兼顾长程规划与实时风控的工程范式。这表明VLA模型正从演示走向可量化的工业生产力,后训练效率与跨本体泛化能力成为落地关键。
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)