谷歌 DeepMind Gemini Robotics 2.5 在梅赛德斯-奔驰产线上成功率达 96%
DeepMind 的双模型设计把运动控制与推理层配对,但对云端的依赖限制了规模化

谷歌 DeepMind 的 Gemini Robotics 2.5 已在梅赛德斯-奔驰位于匈牙利和德国的工厂完成实际生产试验,通过 Apptronik 的 Apollo 2 人形机器人部署,在汽车配料任务上取得 96% 的成功率。这一结果于 11 月 10 日在奥斯汀举行的机器人学习大会(CoRL)上得到确认,是 DeepMind 迄今为其视觉-语言-动作模型家族发布的商业意义最大的实地评估。但同一次部署也暴露了一个结构性限制,它将决定这项技术近期的天花板:GR 2.5 仍完全运行在云端服务器上,制约了全规模工厂运营所要求的吞吐量和可靠性。
为制造业复杂性打造的双模型架构
Gemini Robotics 2.5 不是单一系统。DeepMind 当前的部署架构由两个专用模型配对组成:GR 2.5 本身负责手臂和手部的运动控制,把高层指令转化为精确的关节级驱动命令;Gemini Robotics ER(具身推理)负责任务级规划,跟踪每个步骤是否成功,并在操作中途失败时自适应地重新规划。
这种分工反映的是真实的工程约束。机器人执行器需要以数百赫兹的频率接收电机指令,要求推理快速且确定。以语言为基础的任务规划则相反,更适合在较慢的时间尺度上做更广泛的上下文推理。把两种功能拆到专用模型里,DeepMind 就能分别优化,而不必强迫一个模型同时满足实时电机控制和审慎规划。
第三个组件 Gemini 4 Argon 在系统后台充当仿真和安全层。Argon 分析机器人工作单元的真实摄像头画面,为每个场景生成数千个合成训练变体,从而构建数字孪生,无需做同等数量的实体试验;它还运行失效模式分析,改进 GR 2.5 的训练流程。Gemini Robotics 最近发布的安全评估,也是由这个组件完成的:在新的 ASIMOV-Jailbreak 基准上,Argon 取得了 99.5% 的抵御率。这是一项开源测试,用数百条刻意伪装不安全指令的提示词进行测试。这个数字描述的是 Argon 的安全表现,而不是 GR 2.5 的操作能力,一些二手来源模糊了这一区别。
把汽车配料当作商业基准
梅赛德斯-奔驰的试验聚焦于汽车配料:把单个零部件从散装料箱中分拣出来,按产线要求的精确顺序放进整车装配的排序托盘。这项任务同时包含几种操作难题:在不同光照条件下目视识别数千种不同零件,以稳定的力控抓取形状和重量各异的物体,并在严格的空间公差内准确放置零件。
Apptronik 的 Apollo 2 人形机器人在梅赛德斯-奔驰的部署中运行 GR 2.5,配有五指手,设计目标是复现汽车装配工作所需的灵巧动作范围。试验在两处工厂进行:梅赛德斯-奔驰位于匈牙利的凯奇凯梅特工厂和位于德国的辛德芬根园区,都是正在生产的工厂,而不是受控的测试环境。
在 DeepMind 用 GR 2.5 评估的 200 多项实体任务中,公司称成功率比上一代高 30% 到 100%。所有性能数据均由公司自行报告;截至 2026 年 11 月 16 日,尚未有独立的基准复现发表。96% 的配料成功率固然有意义,但也意味着大约每二十个汽车零部件就有一个处理错误,只有在下游有纠错恢复系统的情况下,完整产线才能容忍这样的失败率。
对云端的依赖决定了量产时间表
Gemini Robotics 2.5 面临的根本限制不在操作能力,而在推理发生在哪里。GR 2.5 团队的资深研究员 Kanishka Rao 向 Ars Technica 证实,该系统运行在 DeepMind 的云基础设施上,而不是机器人自身的嵌入式处理器上。网络延迟给每个推理周期都增加了可观的延时。在试点研究的受控吞吐量下,这点开销还能应付;但在完整汽车产线的规模下,每小时有数千次零部件搬运,网络中断会立刻带来停线风险,这就构成了系统尚未突破的可靠性和吞吐量上限。
Apptronik 和 DeepMind 把大规模商业部署的时间定为「预计在 2027 年及以后」,这与剩下的工作量相符:边缘推理能力、量产级可靠性验证,以及满足欧盟《人工智能法案》中针对高风险工作场所的条款,这些条款适用于在欧洲工厂中与人协同作业的 AI 驱动机器人系统。
GR 2.5 与其他 VLA 平台相比处在什么位置
到 2026 年底,VLA 模型格局已经沿着一个对制造业客户来说比基准排名更重要的维度分化:推理是在云端还是在边缘运行。
英伟达的 GR00T N1.7 于今年早些时候发布,在英伟达的 Jetson Thor 加速器上做端侧推理,速度远超任何需要往返云端的架构。GR00T N1.7 采用开放的商业许可,面向广泛的 OEM 客户,用 GR 2.5 的一部分广度和任务多样性,换来工厂运营方需要的部署独立性。Physical Intelligence 的 π0 保持封闭、仅向合作伙伴开放的模式,在灵巧操作任务上成绩突出,但同样依赖专有云基础设施。Figure AI 的 Helix 02 完全在其自家人形机器人平台上本地运行,彻底摆脱了网络依赖,代价是硬件锁定。
GR 2.5 的竞争优势在任务广度上最明显,也体现在网络连接有保障的环境中,比如有专用带宽、依托梅赛德斯-奔驰现有 IT 基础设施的受控工厂单元。在运营方要求保证 100 毫秒以下周期时间、或无法接受依赖网络的可靠性的场合,它的竞争短板最为突出。
推理时安全与更大范围部署之路
GR 2.5 内置了一种专门针对工厂安全的机制:推理阶段的推理引导,在实时执行中引导机器人的运动轨迹绕开已分类的物理危险,而不是完全依赖预训练。DeepMind 称,在固定障碍物周围安全完成任务的表现提升了 33%,在人员周围的安全行为提升了 43%。这一机制不会叫停任务,而是改变路线,让 GR 2.5 在靠近工人或设备时仍能继续作业。这种架构对合规很重要:欧洲工作场所安全标准要求可证明的危险应对能力,而不仅是部署前的测试。
GR 2.5 已确认的合作伙伴部署不止 Apptronik 和梅赛德斯-奔驰。波士顿动力和 Agile Robots 也被列为部署合作伙伴,说明 DeepMind 在有意建立多样化的硬件基础,而不是押注单一平台。
Gemini Robotics 接下来的重点,可能不在能力提升,而在部署架构的转变,只有这样才能把这些能力转化为商业收入。梅赛德斯-奔驰的结果证明,在条件受控时,GR 2.5 能达到汽车级的任务门槛。业界在 2027 年要关注的问题是,DeepMind 能否摆脱云端依赖、交付同样的性能;正是这种依赖,让把这些条件扩展到完整产线至今仍是一项有待兑现的承诺。



