谷歌 DeepMind发布新一代VLA模型

当地时间11月10日，Google DeepMind正式发布新一代视觉－语言－动作（VLA）模型Gemini Robotics 2.5，在其公布的实验评测数据里，该模型在灵巧操作表现非常“亮眼”，谷歌称其“正令人期待地接近人类水平”。

在针对约200项不同任务评测中，该模型在需要高度灵巧性的任务上表现明显改善，比如用夹子装取糕点的任务，成功率从5%提升至100%；丝带等可变形物体一直很难被机器人操控，该模型解开丝带蝴蝶结的成功率从0%提升至70%；悬挂开衫的成功率从0%提升至62%；折叠裤子的成功率则从0%提升至40%。在任务精度、鲁棒性和速度显著提升。

与之前的版本相比，Gemini Robotics 2.5任务完成速度提高了20%-30%。此外，在多步骤和接触密集型任务中，Gemini Robotics 2.5的表现有了明显提升。

Gemini Robotics 2.5 可以解开蝴蝶结 来源：Google DeepMind官网

Google DeepMind透露，Gemini Robotics 2.5之所以能在短时间内取得快速迭代，很大程度上得益于2026年10月发布的Gemini 4 Argon模型，Argon构建了一套“仿真引擎”，大幅加快了Gemini Robotics 2.5的研发。

Google DeepMind 机器人研究科学家诺曼·迪·帕洛（Norman Di Palo）在社交平台上进一步介绍，“这是我们的全新基础模型，也是首个通过Gemini4 Argon实现加速的模型”，他也同时提到，“我们正在推进递归自我改进（RSI）这件事，而在机器人领域，这已经开始显现成效。”

除了桌面和日常家务操作，谷歌还将测试延伸至汽车工业生产现场。

官方透露，团队与美国机器人公司Apptronik，在梅赛德斯—奔驰匈牙利和德国的汽车生产线上开展概念验证。

搭载了该模型的人形机器人在汽车产线上完成工作 来源：Google DeepMind官网

阿波罗2号人形机器人搭载着该模型，从料箱中取出汽车金属支架，再按生产所需顺序放入容器，这一任务的成功率为96%。DeepMind总监卡尼什卡·拉奥（Kanishka Rao）在接受外媒采访时直言，弥合最后这4%的差距，将是一条“艰难的道路”。