谷歌DeepMind称，其新一代机器人AI模型成功率比前代高30%至100%，还能系蝴蝶结，但该公司自己的工厂试点仍留有4%的失败差距。
谷歌DeepMind周二发布了Gemini Robotics 2.5，称其为迄今能力最强的视觉-语言-动作模型。该公司称已在200多项不同任务上评估该系统，包括用夹子盛放食物、用移液管取液体以及在礼盒上系蝴蝶结，并报告称视任务而定，成功率比此前的基准高30%至100%，任务完成速度快20%至30%。该模型可配合多种机器人使用，包括Apptronik的Apollo 2人形机器人和Franka Duo平台。它尚未全面开放，正向机器人合作伙伴推送，Ars Technica列出的合作伙伴包括Agile Robots、Apptronik和波士顿动力。
为在实验室之外测试该模型，DeepMind与Apptronik和梅赛德斯-奔驰合作，让Apollo 2人形机器人在匈牙利凯奇凯梅特和德国辛德尔芬根正在运行的汽车生产线上工作。在DeepMind称为概念验证的试验中，机器人执行了配套备料任务，即把金属支架从散装料箱中分拣到容器里，并按每辆车所需顺序排列，成功率达到96%。Ars Technica指出，对制造商的重复性工作而言，这一水平可能仍然不够，并援引DeepMind负责人卡尼什卡·拉奥的话称，弥补剩下的4%差距将是一条艰难的路。此外，该模型仍运行在云端服务器上，因此精度和速度的提升伴随一定延迟。
DeepMind还公布了安全方面的结果和一项新测试。该公司称，推理阶段的推理引导让机器人能够规避危险，使在障碍物周围安全完成任务的比例提高33%，在附近有人时提高43%。公司同时发布开源基准ASIMOV-Jailbreak，其中包含伪装不安全请求的提示，希望为业界提供测试物理AI的共同方法。DeepMind还表示，其Gemini 4 Argon模型通过根据真实摄像头场景生成模拟训练和数字孪生，加快了开发。所有性能数据均来自DeepMind自己的评估，目前没有独立测试的报道。
