روبوتات Apollo 2 الشبيهة بالبشر تحقق نجاحًا بنسبة 96% في إثبات مفهوم للفرز لدى Mercedes-Benz

أعلنت Google DeepMind عن Gemini Robotics 2.5 في 10 نوفمبر 2026، وأفادت بتحقيق نسبة نجاح بلغت 96% عندما فرزت روبوتات Apollo 2 الشبيهة بالبشر، من Apptronik، قطعًا للسيارات في إثبات مفهوم على خطوط إنتاج Mercedes-Benz العاملة.

Gemini Robotics 2.5 نموذج للرؤية واللغة والفعل (VLA)، يربط بين الفهم البصري واللغوي وأفعال الروبوت. وتعمل DeepMind على إتاحته لشركائها في مجال الروبوتات. وتوضح الصفحة الرسمية للنموذج أنه يتيح التحكم بأذرع مثبتة على الطاولات وصولًا إلى أجسام روبوتية شبيهة بالبشر كاملة، بما في ذلك الحفاظ على التوازن الديناميكي أثناء الخطو والقرفصة والانحناء، كما تتيح التسجيل في قائمة انتظار للوصول المبكر.

Apollo 2 ينفّذ تجميع مستلزمات السيارات

أُجري العمل في المصنعين التابعين لـMercedes-Benz في كيتشكيميت بالمجر وزيندلفينغ بألمانيا، حيث شغّلت DeepMind وApptronik وشركة صناعة السيارات روبوتات Apollo 2 على خطوط إنتاج عاملة. وفي إثبات المفهوم، فرز الروبوت الشبيه بالبشر القطع تلقائيًا من حاويات المواد السائبة إلى صوانٍ مرتبة بالتسلسل الدقيق المطلوب لكل مركبة.

توزّع سير العمل على نموذجين. فتولى Gemini Robotics ER تتبّع التقدم، بينما حرّك Gemini Robotics 2.5 يدي الروبوت الشبيه بالبشر وذراعيه لالتقاط حوامل معدنية للسيارات من حاويات الإمداد، ووضعها في حاويات الترتيب التسلسلي، وتصحيح أي فجوات. واستخدم التكوين المختبَر من Apollo 2 يد SharpaWave خماسية الأصابع، ذات 22 درجة من الحرية. وترى DeepMind أن إسناد هذه التحضيرات المتكررة إلى الروبوتات يساعد على استمرار عمل خطوط التجميع، فيما يركّز الفنيون على مهام التجميع المعقدة.

وقال Jeff Cardenas، الشريك المؤسس والرئيس التنفيذي لـApptronik:

«عندما قرنّا Apollo 2 بـGemini Robotics، شهدنا تحسنًا كبيرًا في أداء النماذج خلال أسابيع قليلة من التدريب اللاحق، وانتقال هذا الأداء إلى الإنتاج لدى Mercedes-Benz مع تراجع طفيف جدًا فحسب».

تحسن المهارة الحركية وتقييم السلامة

إلى جانب العمل في المصنع، شملت مجموعة التقييم أكثر من 200 مهمة مختلفة، منها تقديم الطعام باستخدام ملقط، وربط فيونكة علبة هدية، وسحب السوائل بالماصة. وجمعت المهام بين الاستخدام المتقدم للأدوات، والتعامل المعقد مع أجسام قابلة للتشوه، والمناولة الحذرة للأغراض الهشة. وأفادت DeepMind بأن النموذج حقق معدلات نجاح أعلى بنسبة تتراوح بين 30% و100% مقارنةً بخطوط الأساس السابقة، بحسب نوع المهمة، وأنجز المهام بسرعة أكبر بنسبة تتراوح بين 20% و30%.

ولضمان السلامة الجسدية، يستخدم النموذج توجيهًا استدلاليًا أثناء الاستدلال لتفادي المخاطر في الوقت الفعلي. وفي تقييمات DeepMind، تحسّن إنجاز المهام بأمان بنسبة 33% عند وجود عوائق، وبنسبة 43% عند وجود أشخاص بالقرب منه. ويتناول الإصدار أيضًا المهام الوكيلة طويلة الأمد، التي ينبغي فيها الحفاظ على السلامة عبر خطوات متعددة.

وأصدرت DeepMind أيضًا ASIMOV-Jailbreak، وهو معيار مفتوح المصدر تُخفي مطالَباته الطلبات غير الآمنة ضمن عشرات السيناريوهات. وحقّق Gemini 4 Argon مقاومة لمحاولات كسر الحماية بلغت 99.5%، مقابل 82% لخط الأساس السابق Gemini Robotics ER 2، بحسب DeepMind. ويضم المستودع شيفرة التقييم وبياناته بموجب ترخيص MIT.

يضم تقييمها الخصومي متعدد الجولات، V3، ‏845 عينة موزعة على 15 مجموعة من الاستراتيجيات، ويسمح بما يصل إلى 10 خطوات. ويجمع بين فحوص حتمية لاستدعاءات أدوات تنفيذ الأفعال، ومحكّم يعمل بنموذج لغوي كبير. وتتيح مهام التلاعب بالأغراض على الطاولات، المقترنة بمهام ضارة وأخرى سليمة، لمنظومة الاختبار قياس نجاح الهجمات إلى جانب الإفراط في رفض الطلبات السليمة، وذلك لاختبار قدرة النموذج على رفض التعليمات غير الآمنة من دون رفض المهام الآمنة أيضًا.

التدريب بالمحاكاة باستخدام Gemini 4 Argon

تنسب DeepMind إلى Gemini 4 Argon تسريع تطوير Gemini Robotics 2.5 عبر المحاكاة. إذ يستطيع Argon توليد آلاف جولات التدريب المتنوعة انطلاقًا من مشهد صوّرته كاميرا في العالم الحقيقي، وإنشاء توأم رقمي واقعي. وبالاقتران مع عروض التدريب الواقعية، تساعد هذه الجولات الروبوتات على التعميم بسرعة أكبر على مشاهد وأغراض جديدة. ويمكن للباحثين أيضًا الاستعانة بـArgon لاقتراح تفسيرات لإخفاقات المهام استنادًا إلى الفيديو، واختبار التحسينات في المحاكاة وعلى روبوتات فعلية.

يوثّق منشور للمطورين بتاريخ 13 أكتوبر 2026 هذا النهج في تجربة منفصلة. بدأت التجربة بصورة فوتوغرافية ملونة واحدة لطاولة حقيقية، أعاد Argon بناءها على شكل محاكاة فيزيائية معايرة باستخدام MuJoCo، ثم أنشأ أكثر من 4,500 حلقة تدريبية بظروف عشوائية. وأفادت Google بأن معدل النجاح الناتج على الروبوت الحقيقي ارتفع من 56% إلى 75%، في حين انخفض زمن الإنجاز من 35 ثانية إلى 24 ثانية.

لم تكن تلك التجربة السابقة معيارًا لتقييم Gemini Robotics 2.5، لكنها توضح حلقة التطوير التي يستند إليها الإصدار. وفي مجال الروبوتات الصناعية، يجمع الإعلان بين توليد البيانات بالمحاكاة والتحكم بالأجهزة واختبار السلامة في مواجهة الهجمات ضمن سير عمل واحد. ويبقى السؤال المفتوح هو مدى اتساق انتقال هذا النهج إلى روبوتات وبيئات عمل أخرى، خارج مهمة تجميع المستلزمات التي جرى عرضها.