96%的分拣成功率，和一条还没叠好的床单

11月10日，Google DeepMind 发布 Gemini Robotics 2.5，称其为目前最强的视觉-语言-动作模型（VLA）。它能看画面、理解指令，再把指令转成机器人动作。官方在200多个不同任务上做了评测，任务成功率比上一代基线高30%到100%，完成速度快20%到30%。

演示任务里，有叠衣服、用夹子分餐、系蝴蝶结、移液，也有在工厂地板上分拣汽车零件。后一项更容易被低估。Google DeepMind 与 Apptronik、Mercedes-Benz 做了概念验证：Apollo 2 人形机器人用 Gemini Robotics 2.5 做汽车零件 kitting，把散装零件按装配顺序放进托盘，成功率达到96%。测试地点包括匈牙利 Kecskemét 和德国 Sindelfingen 的奔驰产线。

硬件侧，Gemini Robotics 2.5 原生支持多种机器人，包括 Apptronik Apollo 2 人形机器人，配 22 自由度 SharpaWave 手，以及 Franka Duo 双臂平台。官方强调的进步有三块：灵巧性、可靠性、安全。灵巧性看的是能不能用工具、处理柔性物体和精细物件；可靠性看的是工厂里连续干活；安全看的是机器人进入真实空间后，能不能识别危险、避开人，以及抵抗越狱式指令。

训练方式值得开发背景的读者看一眼。Gemini 4 Argon 被当作仿真引擎使用：从一个真实相机视角生成大量模拟练习空间，搭出数字孪生，再结合真实演示让机器人适应新场景和新物体。它还能看失败录像，推测失败原因，在仿真和真机上测试改进。Google DeepMind 说，这帮助 Gemini Robotics 2.5 把原本数月的训练时间压短。

安全部分也有具体数字。Gemini Robotics 2.5 用推理时的引导来实时避开物理危险。官方评测里，绕开障碍物的安全任务完成率提升33%，在有人 nearby 的场景提升43%。他们还发布了 ASIMOV-Jailbreak 基准，包含数百条伪装成正常请求的不安全指令，覆盖几十个场景。Gemini 4 Argon 在该基准上的抗越狱率为99.5%，上一代 Gemini Robotics ER 2 是82%。

成功率图表也放出来了。多步、接触密集任务上，关黑色工具箱盖从0%到93%，把杯子从挂钩取下放到桌面从29%到75%，用刷子把垃圾扫进簸箕从0%到52%。更贴近日常的灵巧操作里，用夹子装糕点从5%到100%，解丝带蝴蝶结从0%到70%，挂开衫从0%到62%，叠裤子从0%到40%。

这些数字放一起看，含金量并不一样。工厂分拣是结构化环境、重复任务、结果可验收；叠衣服面对柔性物体和非结构化环境，演示成功不等于家务可用。评论区里，有人问它能不能处理已经乱成一团的衣服，有人问叠完是否包括收进柜子，还有人说真正的考验是 fitted sheet。这些声音比发布视频里的剪辑更接近家庭场景。

LifeArchitect.ai 的 Alan D. Thompson 在 AGI 倒计时里把这次发布记为一个里程碑。他的判断是：灵巧性和工厂可靠性有明显增益，但多步紧固件装配，类似 IKEA 家具那种，还没出现，所以最后那一点仍然开放。这个视角比单看“会叠衣服”更有意思。机器人先进工厂，把重复、费体力的活接过去，再慢慢进入家庭，路径大概如此。对开发者，值得看的是 VLA、仿真闭环和安全 steerability 怎么叠在一起；对普通用户，叠衣服视频可以看，下单还早。

官方博客：https://goo.gle/4zBBUA6