Gemini Robotics 2.5 扩展精细操作能力

机器人会系蝴蝶结，和机器人能在工厂持续完成工作，是两种不同的能力。IT之家 11 月 10 日的报道把它们放在了一起：谷歌推出 Gemini Robotics 2.5，既展示精细操作，也公布了奔驰生产线概念验证中 96% 的任务成功率。

这篇最值得看的，是模型如何把感知、任务推理和动作执行接起来，以及这些数字离日常可用还有多远。报道给出了进展，但没有交代完整测试条件，读的时候需要把演示、试点和规模化运行分开。

系蝴蝶结，难的究竟是什么

Gemini Robotics 2.5 是视觉-语言-动作模型，也就是 VLA。它要把看到的环境、接到的指令，转成机器人的实际动作。对机器人来说，理解「把礼物包装好」只是起点，绳子怎么抓、力度怎么控制、位置偏了怎么调整，都要继续解决。

报道列出的任务包括用夹子分发食物、给礼品盒系蝴蝶结、移液操作液体。它们分别涉及工具使用、可变形物体和精细操作，不能只靠固定轨迹重复执行。

谷歌称测试覆盖超过 200 项任务，相较此前基线，不同任务类型的成功率提高 30% 至 100%，完成速度快 20% 至 30%。这里的成功率提升不能直接理解成增加了相同数值的百分点；报道没有说明计算口径，也没有逐项给出基线。

模型还适配了不同硬件：Apptronik Apollo 2 搭载五指、22 自由度的 SharpaWave 手，Franka Duo 则配备两指平行夹爪。支持两类平台说明它覆盖了不同操作形态，但不能据此推断，更换机器人就能直接获得相同性能。

奔驰生产线的 96%，具体测了什么

谷歌与 Apptronik、奔驰在匈牙利凯奇凯梅特和德国辛德尔芬根的在用汽车生产线上，测试了 Apollo 2。任务是汽车物料拣配：从散料箱取出单个零部件，再按每台车辆的需求顺序，放进规整托盘。

这比桌面演示多了一层约束。机器人不仅要拿得起来，还要取对零件、放对位置，并跟上工作流。

系统里有明确分工：Gemini Robotics ER 负责追踪工作流，Gemini Robotics 2.5 动作模型控制手臂与手部。报道描述的动作包括探入供料箱、拾取金属汽车支架、放入排序容器，并在过程中修正装配间隙。

96% 是这次概念验证的成功率，不能直接当成整条生产线的自动化水平。

报道没有提供测试次数、持续运行时间、人工介入频率，也没有解释失败如何恢复。因此，「已在生产线上测试」有依据，「已经具备规模化替代人工的条件」还缺证据。

安全和学习速度，靠什么往前走

安全部分有两组不同性质的结果。

第一组针对物理环境。Gemini Robotics 2.5 采用推理时推理引导机制，在执行过程中规避危险。报道给出的结果是：障碍物周边的安全任务完成率提升 33%，人员周边提升 43%。它衡量的是安全完成任务的能力，不能读成事故率下降了相同比例。

第二组针对危险指令。谷歌发布开源基准 ASIMOV-Jailbreak，包含数百条提示、覆盖数十类场景。Gemini 4 Argon 的越狱抵御率达到 99.5%，对比基线 Gemini Robotics ER 2 的 82%。报道还提到危险任务拒绝、不确定性消解和近距离人机协作等评估维度，但没有提供完整测试细节。

研发提速则依赖 Gemini 4 Argon：根据真实相机场景生成数千个模拟练习片段，构建高保真数字孪生，再结合真实训练演示数据，帮助机器人适应新场景和新物体。它还被用于从视频分析失败原因，并在仿真与真实机器人上测试改进方案。

这条路线有清晰逻辑：真实机器人采集数据成本高，仿真可以增加练习机会。不过，报道没有量化研发周期到底缩短了多少。

我的判断

我更认可这篇报道里对任务分工和真实场景验证的描述。工作流推理、动作控制、执行中的安全约束，各自承担什么职责，比单次炫技演示更有参考价值。

但「迄今最强」仍是谷歌的产品主张。现有数字来自报道转述的谷歌评估，缺少足够条件来判断是否适用于其他团队。尤其是 Gemini 4 Argon 的越狱成绩，不能直接替代 Gemini Robotics 2.5 在真实环境中的物理安全评估。

和固定工装、预设轨迹的自动化相比，这类模型试图处理更多变化；报道却没有给出成本、节拍或维护负担的对照。是否划算，目前无法判断。模型也仅面向谷歌机器人合作伙伴开放，普通开发者还不能据此安排直接接入。

能拿来做什么

• 做 AI 编程任务评估时，可以借鉴「广度、成功率、速度」三个维度，同时记录人工介入和失败恢复成本，避免只挑成功案例。
• 开发多步骤 AI 工具时，可以参考工作流推理与动作执行的分工，为每一步保留状态和结果检查；具体效果仍需在自己的任务里验证。
• 阅读机器人或智能体发布稿时，先确认指标属于哪个模型、哪种任务和哪套基线，再判断它是否与你的使用场景有关。