Skip to content

新闻The Decoder11 天前

DeepMind Gemini Robotics 2.5落地奔驰产线分拣成功率96% ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准:Google DeepMind's Gemini Robotics 2.5 scores 96 percent sorting metal parts in a Mercedes-Benz assembly pilot(The Decoder:AI News(RSS)(via AIHOT))

核心内容 ​

Google DeepMind推出视觉-语言-动作模型Gemini Robotics 2.5,联合Apptronik与Mercedes-Benz在匈牙利Kecskemét及德国Sindelfingen工厂开展实线试点。Apollo 2人形机器人执行金属零件从料箱到托盘的分拣装箱任务,整体成功率达96%。相比前代基线,该模型在200余项测试任务中成功率提升30%至100%,执行效率提高20%至30%,且经数周后训练即实现产线无缝迁移。

系统采用双模型协同架构:Gemini Robotics ER负责工作流监控,Gemini Robotics 2.5控制22自由度五指手与机械臂实时操作。训练端利用Gemini 4 Argon语言模型作为仿真引擎,基于真实相机场景生成数千次数字孪生训练数据以加速泛化。安全方面,模型避障与近人作业安全完成率分别提升33%和43%,并开源ASIMOV-Jailbreak基准测试集,Argon模型越狱防御率达99.5%。

关键看点 ​

  • 产线实测指标:Apollo 2在奔驰工厂分拣金属零件成功率96%,任务耗时较基线缩短20%-30%
  • 双模型协同架构:ER模型监控全局工作流,2.5模型实时驱动22自由度五指手精准抓取
  • 仿真数据生成:Gemini 4 Argon充当仿真引擎,从真实场景生成数字孪生数据加速Sim-to-Real泛化
  • 安全评测基准:开源ASIMOV-Jailbreak测试集,新模型越狱防御率99.5%,近人作业安全性提升43%

工程与产业观察 ​

该案例验证了VLA模型在汽车总装线复杂分拣场景的工程可行性,96%成功率标志着具身智能从实验室迈向工业级可靠性门槛。利用LLM构建仿真引擎生成合成数据的范式,有效缓解了真机数据采集瓶颈,为制造业引入通用人形机器人提供了可复用的技术路径与安全评估标准。

线索来源:AIHOT

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

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)

  1. The Decoder:AI News(RSS)(via AIHOT):Google DeepMind's Gemini Robotics 2.5 scores 96 percent sorting metal parts in a Mercedes-Benz assembly pilot ↗访问 2026-11-11