Apollo 2-humanoider opnår 96% i proof of concept om sortering hos Mercedes-Benz

Google DeepMind lancerede Gemini Robotics 2.5 den 10. november 2026 og rapporterede en succesrate på 96 %, da Apptroniks Apollo 2-humanoidrobotter sorterede bildele i en proof of concept på aktive produktionslinjer hos Mercedes-Benz.

Gemini Robotics 2.5 er en vision-language-action-model (VLA), der forbinder visuel forståelse og sprogforståelse med robotbevægelser. DeepMind er ved at udrulle den til robotpartnere. Den officielle models side beskriver styring af alt fra bordrobotarme til komplette humanoide kroppe, herunder dynamisk balance ved at træde, sætte sig på hug og bøje sig, og tilbyder en venteliste til tidlig adgang.

Apollo 2 klargør dele til bilproduktion

Arbejdet på fabrikken foregik på Mercedes-Benz-fabrikker i Kecskemét i Ungarn og Sindelfingen i Tyskland, hvor DeepMind, Apptronik og bilproducenten lod Apollo 2 arbejde på aktive produktionslinjer. I proof of concept sorterede humanoidrobotten autonomt dele fra store beholdere over i bakker i den præcise rækkefølge, der kræves til hvert køretøj.

Arbejdet blev fordelt mellem to modeller. Gemini Robotics ER fulgte fremdriften, mens Gemini Robotics 2.5 bevægede humanoidrobottens hænder og arme for at samle metalbeslag til biler op fra forsyningsbeholdere, lægge dem i beholdere til sekvensering og rette eventuelle mangler. Den afprøvede Apollo 2-konfiguration brugte en femfingret SharpaWave-hånd med 22 frihedsgrader. DeepMind fremstiller det at overlade denne gentagne klargøring til robotten som en måde at holde samlebåndene i gang på, mens teknikerne kan fokusere på komplekse monteringsopgaver.

Apptroniks medstifter og administrerende direktør Jeff Cardenas sagde:

»Da vi satte Apollo 2 sammen med Gemini Robotics, så vi modellerne blive markant bedre efter blot få ugers eftertræning, og forbedringerne kunne overføres til Mercedes-Benz’ produktion med meget lille tilbagegang.«

Fremskridt inden for fingerfærdighed og sikkerhedsevaluering

Ud over arbejdet på fabrikken omfattede evalueringssættet mere end 200 forskellige opgaver, herunder at servere mad med en tang, binde en sløjfe på en gaveæske og pipettere væske. Opgaverne kombinerede avanceret brug af værktøj, kompleks håndtering af deformerbare genstande og forsigtig håndtering af skrøbelige ting. DeepMind oplyser, at modellen opnåede 30 % til 100 % højere succesrater end tidligere sammenligningsmodeller, afhængigt af opgavetypen, og fuldførte opgaverne 20 % til 30 % hurtigere.

Af hensyn til den fysiske sikkerhed bruger modellen vejledning i ræsonnering under inferens til at styre uden om farer i realtid. I DeepMinds evalueringer steg andelen af opgaver, der blev løst sikkert, med 33 % i nærheden af forhindringer og 43 % i nærheden af mennesker. Udgivelsen omhandler også agentiske opgaver med lang tidshorisont, hvor sikkerheden skal opretholdes gennem flere trin.

DeepMind udgav også ASIMOV-Jailbreak, en open source-benchmark, hvis prompts skjuler usikre anmodninger i snesevis af scenarier. DeepMind oplyser, at Gemini 4 Argon opnåede en modstandsdygtighed over for jailbreak-angreb på 99,5 % mod 82 % for den tidligere Gemini Robotics ER 2-sammenligningsmodel. Lageret indeholder evalueringskode og data under en MIT-licens.

Den adversarielle V3-evaluering med flere turtagninger indeholder 845 prøver fordelt på 15 strategigrupper og tillader op til 10 trin. Den kombinerer deterministiske kontroller af kald til handlingsværktøjer med bedømmelse udført af en stor sprogmodel. Par af skadelige og harmløse opgaver med manipulation på bordplader gør det muligt for testværktøjet at måle angrebssucces sideløbende med overdreven afvisning af harmløse anmodninger og dermed teste, om en model afviser usikre instruktioner uden også at afvise sikre opgaver.

Simuleringstræning med Gemini 4 Argon

DeepMind tilskriver Gemini 4 Argon en hurtigere udvikling af Gemini Robotics 2.5 gennem simulering. Argon kan generere tusindvis af varierede træningsforløb ud fra et kamerabillede af en virkelig scene og opbygge en realistisk digital tvilling. Sammen med træningsdemonstrationer fra den virkelige verden hjælper disse forløb robotter med hurtigere at generalisere til nye scener og genstande. Forskere kan også bruge Argon til at foreslå forklaringer på opgavefejl ud fra video og afprøve forbedringer i simuleringer og på fysiske robotter.

Et udviklerindlæg fra 13. oktober 2026 beskriver denne tilgang i et separat eksperiment. Det begyndte med ét farvefoto af en virkelig bordplade, som Argon rekonstruerede som en kalibreret MuJoCo-fysiksimulering, før systemet producerede mere end 4.500 træningsepisoder med randomiserede forhold. Google rapporterede, at den efterfølgende succesrate for robotter i den virkelige verden steg fra 56 % til 75 %, mens gennemførelsestiden faldt fra 35 sekunder til 24 sekunder.

Dette tidligere eksperiment er ikke en benchmark for Gemini Robotics 2.5, men det illustrerer udviklingsforløbet bag udgivelsen. Inden for industriel robotteknologi forbinder annonceringen generering af simulerede data, styring af hardware og adversariel sikkerhedstestning i én arbejdsgang. Det åbne spørgsmål er, hvor konsekvent denne arbejdsgang kan overføres fra den demonstrerede opgave med klargøring af dele til andre robotter og arbejdspladser.