Gemini Robotics 2.5 · zhineng.dev

模型定位

Gemini Robotics 2.5 是 Google DeepMind 发布的视觉-语言-动作（VLA）模型，将视觉和语言输入转换为机器人运动控制，旨在提升机器人在非结构化现实环境中的灵巧性、可靠性和安全性。(deepmind.google)

**灵巧操作：**支持工具使用、柔性和精细物体操作。官方评测涵盖 200 多项不同任务，包括用夹子取放食物、给礼盒系蝴蝶结和移取液体。(deepmind.google)
**机器人平台：**官方称其可用于多种机器人，包括 Apptronik Apollo 2 人形机器人和使用双指平行夹爪的 Franka Duo 平台。(deepmind.google)
**评测表现：**官方称，相比既有基线，任务成功率根据任务类型提高 30%–100%，任务完成速度提高 20%–30%。这些结果来自官方评测，并不保证所有场景达到相同表现。(deepmind.google)
**工业试点：**在梅赛德斯-奔驰生产线的概念验证中，Gemini Robotics ER 负责跟踪工作流程，Gemini Robotics 2.5 动作模型控制 Apollo 2 的手臂和双手进行汽车零件分拣，试点成功率为 96%。(deepmind.google)
**安全控制：**模型使用推理时引导来避开物理危险；官方评测称，在障碍物附近和人员附近的安全任务完成表现分别提高 33% 和 43%。(deepmind.google)

官方称模型正向机器人合作伙伴推出；公告未提供公开自助 API 的接入方式或模型 API ID。实际表现取决于任务和部署环境，工业试点结果不能视为所有场景的安全或成功保证。(deepmind.google)

未核实该模型的公开价格、计价币种，以及输入和输出是否分别计费或各自费率。官方公告未给出这些信息。(deepmind.google)