Gemini Robotics 2.5:加速具身智能
📌 One-Sentence Summary
Google DeepMind 发布 Gemini Robotics 2.5,这是一款视觉-语言-动作模型,拓展了任务范围,将可靠性提升 30-100%、任务完成速度提高 20-30%,并通过可控性和智能体能力推进面向真实世界的具身智能与安全性。
📝 Summary
Google DeepMind 发布 Gemini Robotics 2.5,这是其迄今能力最强的视觉-语言-动作(VLA)模型,旨在加速真实世界中的具身智能。该模型拓展了任务范围、性能和复杂度,可处理 200 多种不同任务,包括用夹子夹取食物、系蝴蝶结和移液。评估显示,与基准模型相比,其成功率提高 30-100%,任务完成速度加快 20-30%。该模型原生支持多种机器人类型,包括 Apptronik 的 Apollo 2 人形机器人和 Franka Duo 平台。在与 Mercedes-Benz 的工业测试中,Apollo 2 自主执行汽车套件分拣任务,成功率达到 96%。安全功能包括推理时引导:在障碍物周围,安全完成任务的比例提高了 33%;在人员附近则提高了 43%。Gemini 4 Argon 通过生成模拟练习和数字孪生,加速了开发进程。此次发布推进了可控性、智能体安全性和抵御越狱攻击的能力(在 ASIMOV-Jailbreak 基准测试中达到 99.5%)。
💡 Main Points
在 200 多种不同任务中拓展任务范围、性能和复杂度
该模型能够处理多种任务,例如用夹子夹取食物、系蝴蝶结和移液,展现出迈向人类水平灵巧操作的进展:它将先进的工具使用能力、对可变形物体的复杂操作,以及对精细物体的灵巧处理结合起来。
成功率提高 30-100%,任务完成速度加快 20-30%
与此前的基准模型相比,Gemini Robotics 2.5 的可靠性和速度均显著提升。根据任务类型不同,其成功率提高 30% 至 100%,同时任务完成速度加快 20-30%。
与 Mercedes-Benz 合作开展工业部署,成功率达到 96%
Apptronik 与 Mercedes-Benz 合作,让 Apollo 2 人形机器人在匈牙利和德国的生产线上自主执行汽车套件分拣任务:机器人从散装料箱中挑选零件,并将其分类放入有序托盘,成功率达到 96%。
通过推理时引导提升安全性
该模型利用推理时能力实时避开物理危险,使其在障碍物周围安全完成任务的比例提高了 33%,在附近有人员时提高了 43%;在 ASIMOV-Jailbreak 基准测试中,其抵御越狱攻击的能力达到 99.5%。
借助 Gemini 4 Argon 的模拟能力加速开发
Gemini 4 Argon 充当模拟引擎,根据真实场景生成数千次多样化练习,并构建逼真的数字孪生,使模型能够更快地泛化到新场景和新物体,同时减少数据与建模方面的瓶颈。
💬 Key Quotes
Gemini Robotics 2.5 扩大了机器人能够学会的技能范围,也提高了机器人习得这些技能的速度。
与此前的基准模型相比,Gemini Robotics 2.5 的成功率根据任务类型提高了 30% 至 100%,同时任务完成速度加快了 20% 至 30%。
在这项概念验证中,Apollo 2 自主执行汽车套件分拣任务:这是一项重复且对体力要求很高的工作,需要从散装料箱中挑出单个零件,按照生产线上每辆车所需的准确顺序放入有序托盘。
这项能力使机器人在障碍物周围安全完成任务的比例提高了 33%,在附近有人员时提高了 43%。
Argon 的越狱攻击抵御率达到 99.5%——与我们此前的基准模型 Gemini Robotics ER 2 的 82% 相比,取得了显著提升。
📊 Article Meta
AI Screening: 92
Source: Google DeepMind News
Author: Carolina Parada
Category: 人工智能
Language: 英文
Read Time: 5 min
Word Count: 1159
Tags:
AI 与智能应用 , 具身智能 , AI 安全与对齐 , 模型发布 , 多模态 AI
作者写得真不错,学到了不少。
思路清晰,干货满满。
整理得太全面了,省了我不少时间。
实测过类似工具,作者说的基本属实。
这个比较实用,已转发给同事。
实测过类似工具,作者说的基本属实。
这篇文章分析得很透彻,收藏了!
实测过类似工具,作者说的基本属实。
这篇文章分析得很透彻,收藏了!
内容翔实,正好需要,先收藏再看。
讲解得很细致,新手也能看懂。
整理得太全面了,省了我不少时间。