谷歌DeepMind发布Gemini Robotics 2.5视觉语言动作模型

以下是视频口播的自动转写，可能有错字。

就在刚刚，谷歌 deepmind 最新发布了 gemini robotics 2.5视觉语言动作模型，官方称其为谷歌迄今为止功能最强大的 vla 模型。核心突破集中在三点，灵巧操作、工业可靠性，还有机器人专属安全能力。首先是灵巧度。该模型完成超过200项不同任务测试，像用夹子取食物、给礼盒系蝴蝶结、精细移液这类高难度操作。

对比旧版本，任务成功率提升30%~100%，完成速度还快了20%~30%。可以处理柔性、易损坏的各类日常物品。同时兼容人形机器人、双爪机械臂多种硬件。最亮眼的是真实工厂实测。谷歌联合 aptronic 把 apollo 2人形机器人放在奔驰的汽车产线做零件分拣配货工作，实际作业成功率达到96%。

把重复枯燥的分拣交给机器人，工人就可以专注高难度装配工作。这是人形机器人落地工业非常关键的一步，还有非常关键的安全升级，实时推理引导，让机器人躲避障碍物。避让人类的安全任务完成率大幅提升。同时，谷歌开源了 acmov jailbreak 基准，专门抵御针对机器人的提示词越狱攻击，抗越狱能力达到99.5%。

防止机器人被指令诱导做出危险动作。而这背后的助推器是 genesis argon，它通过仿真生成大量虚拟训练场景，大幅缩短机器人的训练迭代周期。这一次升级，可以说 gemini robotics 2.5向着通用人工智能迈出了一大步。