Gemini Robotics 2.5 wchodzi na halę montażową: obietnice i obszary cienia
10 listopada 2026 roku Google DeepMind ogłosiło Gemini Robotics 2.5 we wpisie na swoim blogu podpisanym przez Carolinę Paradę. Model, który firma określa jako swoją najbardziej zaawansowaną architekturę vision-language-action (VLA), przekłada obraz i otrzymane polecenia na ruchy mechaniczne. Premiera nie obejmuje publicznego API ani wag do pobrania — model trafia stopniowo do partnerów z branży robotyki. Lista współpracowników różni się jednak w zależności od źródła: SiliconANGLE wymienia Agile Robots, Apptronik i Boston Dynamics, a The Decoder — Agile Robots, Apptronik i Mercedes-Benz.
W praktyce DeepMind opisuje pilotaż, który sam nazywa proof-of-concept, na działających liniach produkcyjnych Mercedes-Benz w węgierskim Kecskemét i niemieckim Sindelfingen. Podczas testu humanoidalne roboty Apollo 2 firmy Apptronik — wyposażone w pięciopalcową dłoń SharpaWave o 22 stopniach swobody — wykonywały zadania kittingu: pobierały metalowe części z pojemników luzem i układały je na tackach w kolejności wymaganej dla poszczególnych pojazdów. Według DeepMind Gemini Robotics ER śledził przebieg pracy, a Gemini Robotics 2.5 sterował dłońmi i ramionami. O współpracy Jeff Cardenas, współzałożyciel i CEO Apptronik, powiedział: „Pairing Apollo 2 with Gemini Robotics, we saw the models improve dramatically in just a few weeks of post-training”. Poza pilotażem model, według DeepMind, przetestowano na ponad 200 różnych zadaniach, m.in. nakładaniu jedzenia szczypcami, wiązaniu kokard na pudełkach z prezentami i dozowaniu płynów pipetą.
W kwestii bezpieczeństwa i treningu DeepMind podaje, że Gemini 4 Argon posłużył jako silnik symulacyjny; The Decoder informuje, że potrafi on wygenerować tysiące symulowanych przebiegów z jednej rzeczywistej sceny nagranej kamerą. Równolegle firma udostępniła na Hugging Face benchmark ASIMOV-Jailbreak — zbiór danych na licencji cc-by-4.0, do którego dostęp wymaga zaakceptowania określonych warunków. README na platformie opisuje go jako zestaw 845 epizodów obejmujących 15 grup strategii i 41 kryteriów oceny, podczas gdy wpis prezentujący mówi ogólniej o setkach promptów. W tym teście Gemini 4 Argon osiągnął odporność na jailbreaki na poziomie 99,5% wobec 82% poprzedniego modelu odniesienia, Gemini Robotics ER 2. Według wewnętrznych pomiarów sterowanie za pomocą rozumowania w czasie inferencji zwiększyło też bezpieczne ukończenie zadań o 33% w obecności przeszkód i o 43% w pobliżu ludzi.
Choć wejście do fabryki budzi zainteresowanie, podane dane trzeba czytać ostrożnie. Wszystkie przytoczone wyniki — w tym 96% skuteczności w przemysłowym kittingu i względne poprawy od 30% do 100% wobec bliżej nieokreślonych punktów odniesienia — pochodzą z ocen przeprowadzonych przez DeepMind bez niezależnej weryfikacji. Nie ma dedykowanego raportu technicznego ani karty modelu dla Gemini Robotics 2.5. Nie ujawniono też czasu trwania ani liczby cykli testu przemysłowego, brakuje również bezpośrednich wypowiedzi Mercedes-Benz: jedynym głosem partnerów jest CEO Apptronik. Integracja modeli językowych z fizyczną manipulacją idzie naprzód, ale dystans między kontrolowaną demonstracją a pełną dojrzałością procesu wciąż pozostaje do zmierzenia.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Przeczytałam w całości oficjalny wpis DeepMind (data, autorka, liczby, szczegóły pilotażu, status proof-of-concept, dostęp tylko dla partnerów, bezpieczeństwo) oraz stronę zbioru danych google/asimov_agentic na Hugging Face (845 epizodów, dostęp warunkowy, licencja). Niezależne potwierdzenia: The Decoder (10.11: zakłady, kitting, 96%, podział ER/2.5, ASIMOV) i SiliconANGLE (11.11: 200 zadań, wartości procentowe, partnerzy, cytat Cardenasa). Kontekst z 2025 roku dotyczący Mercedesa i Apptronik pochodzi z WardsAuto i Autocar. Strony Apptronik (404), Mercedes-Benz (403) i automate.org (403) były niedostępne; odrzuciłam humanoid.guide, bo powiela wpis z LinkedIn.
- Incertezze
- Wszystkie liczby (200 zadań, +30–100%, +20–30% szybkości, 96% w pilotażu, +33%/+43% bezpieczeństwa, 99,5% wobec 82%) pochodzą z wewnętrznych ocen DeepMind, bez niezależnej weryfikacji. W przypadku 96% nie wiadomo, ile było prób, jak długo trwał pilotaż ani jakie były kryteria sukcesu. Brak bezpośrednich wypowiedzi Mercedes-Benz: jedynym głosem partnerów jest CEO Apptronik. „Previous baselines” nie zostały określone. Lista partnerów różni się w zależności od medium (Boston Dynamics według SiliconANGLE, Mercedes-Benz według The Decoder). ASIMOV-Jailbreak opisano we wpisie jako „setki promptów”, a w README jako 845 epizodów; wtórne podsumowanie mówi o 1500 promptach (niezweryfikowane). Wpis nazywa go open source, ale dostęp wymaga zaakceptowania warunków. 99,5% dotyczy Gemini 4 Argon, a nie Gemini Robotics 2.5, dla którego nie ma karty modelu ani raportu technicznego.
- Perché pubblicarla
- To jeden z pierwszych udokumentowanych przypadków generalistycznego modelu VLA na działających liniach dużego producenta samochodów; pozwala wyjaśnić różnicę między pilotażem z 96% skuteczności a prawdziwym wdrożeniem przemysłowym. Ponadto DeepMind udostępnia publiczny benchmark bezpieczeństwa fizycznego, dzięki któremu osoby trzecie mogą mierzyć mało zbadane dotąd zjawisko: jailbreaki robotów.
Fonti / Sources
- Google DeepMind — Gemini Robotics 2.5: Accelerating Physical Intelligence (blog ufficiale)
- Google — dataset ASIMOV (incluso ASIMOV-Jailbreak) su Hugging Face
- The Decoder — Gemini Robotics 2.5 scores 96 percent in a Mercedes-Benz assembly pilot (Maximilian Schreiner)
- SiliconANGLE — Google DeepMind releases new advanced robotics AI model (Kyt Dotson)