Mercedes-Benz में छँटाई के प्रूफ ऑफ कॉन्सेप्ट में Apollo 2 ह्यूमनॉइड ने 96% सफलता हासिल की

Google DeepMind ने 10 नवंबर 2026 को Gemini Robotics 2.5 पेश किया और बताया कि सक्रिय Mercedes-Benz उत्पादन लाइनों पर प्रूफ ऑफ कॉन्सेप्ट के दौरान Apptronik के Apollo 2 ह्यूमनॉइड रोबोटों ने वाहन के पुर्ज़ों की छँटाई में 96% सफलता दर हासिल की।

Gemini Robotics 2.5 एक विज़न-लैंग्वेज-एक्शन (VLA) मॉडल है, जो दृश्य और भाषा की समझ को रोबोट की गतिविधियों से जोड़ता है। DeepMind इसे रोबोटिक्स साझेदारों के लिए उपलब्ध करा रहा है। आधिकारिक मॉडल पेज में मेज़ पर रखी वस्तुओं के साथ काम करने वाली रोबोटिक भुजाओं से लेकर पूर्ण ह्यूमनॉइड शरीरों तक को नियंत्रित करने की जानकारी दी गई है। इसमें कदम रखने, बैठने और झुकने के दौरान गतिशील संतुलन बनाए रखना भी शामिल है। पेज पर शुरुआती पहुँच के लिए प्रतीक्षा सूची भी उपलब्ध है।

Apollo 2 ने वाहनों के पुर्ज़ों की किटिंग की

कारखाने में यह काम हंगरी के Kecskemét और जर्मनी के Sindelfingen स्थित Mercedes-Benz संयंत्रों में हुआ। DeepMind, Apptronik और वाहन निर्माता ने सक्रिय उत्पादन लाइनों पर Apollo 2 का संचालन किया। प्रूफ ऑफ कॉन्सेप्ट में ह्यूमनॉइड ने बड़े डिब्बों से पुर्ज़े स्वायत्त रूप से छाँटे और उन्हें हर वाहन के लिए आवश्यक सटीक क्रम में लगी ट्रे में रखा।

कार्यप्रवाह को दो मॉडलों ने आपस में बाँटा। Gemini Robotics ER ने काम की प्रगति पर नज़र रखी, जबकि Gemini Robotics 2.5 ने ह्यूमनॉइड के हाथों और भुजाओं को चलाकर आपूर्ति डिब्बों से धातु के वाहन-ब्रैकेट उठाए, उन्हें क्रमबद्ध करने वाले कंटेनरों में रखा और जहाँ कोई जगह छूट गई, उसे ठीक किया। परीक्षण में इस्तेमाल Apollo 2 कॉन्फ़िगरेशन में 22 डिग्री की स्वतंत्रता वाला पाँच उँगलियों का SharpaWave हाथ था। DeepMind के अनुसार, तैयारी के इस दोहराव वाले काम को रोबोटों को सौंपने से असेंबली लाइनें चलती रह सकती हैं और तकनीशियन जटिल निर्माण कार्यों पर ध्यान दे सकते हैं।

Apptronik के सह-संस्थापक और CEO Jeff Cardenas ने कहा:

“Apollo 2 को Gemini Robotics के साथ जोड़ने पर हमने देखा कि प्रशिक्षण के बाद के कुछ ही हफ्तों में मॉडलों के प्रदर्शन में काफ़ी सुधार हुआ। Mercedes-Benz के उत्पादन में इस्तेमाल करने पर भी उनके प्रदर्शन में बहुत मामूली गिरावट आई।”

निपुणता में सुधार और सुरक्षा का मूल्यांकन

कारखाने के काम के अलावा, मूल्यांकन में 200 से अधिक अलग-अलग कार्य शामिल थे, जैसे चिमटे से खाना परोसना, उपहार के डिब्बे पर फ़ीता बाँधना और पिपेट से तरल पदार्थ डालना। इन कार्यों में उन्नत औज़ारों का इस्तेमाल, आकार बदल सकने वाली वस्तुओं को जटिल ढंग से संभालना और नाज़ुक चीज़ों को सावधानी से थामना शामिल था। DeepMind के अनुसार, कार्य के प्रकार के आधार पर मॉडल ने पिछले आधार-प्रदर्शनों की तुलना में 30% से 100% तक अधिक सफलता दर हासिल की और कार्य 20% से 30% तेज़ी से पूरे किए।

शारीरिक सुरक्षा के लिए, मॉडल अनुमान के समय तर्क-निर्देशन का इस्तेमाल करके वास्तविक समय में ख़तरों से बचता है। DeepMind के मूल्यांकनों में बाधाओं के आसपास सुरक्षित ढंग से कार्य पूरा करने की दर 33% बेहतर हुई, जबकि पास मौजूद लोगों के आसपास यह 43% बेहतर हुई। इस रिलीज़ में लंबी अवधि वाले एजेंटिक कार्यों को भी शामिल किया गया है, जिनमें कई चरणों के दौरान सुरक्षा बनाए रखना ज़रूरी है।

DeepMind ने ASIMOV-Jailbreak भी जारी किया, जो एक ओपन-सोर्स बेंचमार्क है। इसमें दिए गए संकेत दर्जनों परिदृश्यों में असुरक्षित अनुरोधों को छिपाते हैं। DeepMind के अनुसार, Gemini 4 Argon ने जेलब्रेक के प्रति 99.5% प्रतिरोध हासिल किया, जबकि पिछले आधार-मॉडल Gemini Robotics ER 2 का प्रदर्शन 82% था। रिपॉज़िटरी में MIT लाइसेंस के तहत मूल्यांकन कोड और डेटा उपलब्ध हैं।

इसके बहु-चरणीय V3 प्रतिकूल मूल्यांकन में 15 रणनीति समूहों के 845 नमूने शामिल हैं और इसमें अधिकतम 10 चरणों की अनुमति है। इसमें कार्रवाई के लिए टूल कॉल की नियतात्मक जाँचों को एक बड़े भाषा मॉडल के निर्णायक मूल्यांकन के साथ जोड़ा गया है। मेज़ पर वस्तुओं को संभालने वाले हानिकारक और सुरक्षित कार्यों के जोड़ों से यह मूल्यांकन प्रणाली हमले की सफलता के साथ-साथ सुरक्षित अनुरोधों को भी अत्यधिक ठुकराने की प्रवृत्ति माप सकती है। इससे यह जाँचा जाता है कि मॉडल असुरक्षित निर्देशों को ठुकराते हुए सुरक्षित काम को भी तो नहीं नकारता।

Gemini 4 Argon के साथ सिमुलेशन प्रशिक्षण

DeepMind के अनुसार, Gemini 4 Argon ने सिमुलेशन के ज़रिए Gemini Robotics 2.5 के विकास में तेज़ी लाई। Argon वास्तविक दुनिया के कैमरे से लिए गए दृश्य के आधार पर अभ्यास के हज़ारों विविध दौर बना सकता है और एक यथार्थपरक डिजिटल ट्विन तैयार कर सकता है। वास्तविक प्रशिक्षण प्रदर्शनों के साथ मिलकर, ये अभ्यास रोबोटों को नए दृश्यों और वस्तुओं के अनुसार तेज़ी से ढलने में मदद करते हैं। शोधकर्ता वीडियो के आधार पर कार्य विफल होने के कारणों के बारे में सुझाव देने और सिमुलेशन तथा वास्तविक रोबोटों पर सुधारों को परखने के लिए भी Argon का उपयोग कर सकते हैं।

13 अक्टूबर 2026 की डेवलपर पोस्ट में एक अलग प्रयोग के इस तरीके का ब्यौरा दिया गया है। इसकी शुरुआत वास्तविक मेज़ की एक रंगीन तस्वीर से हुई, जिसे Argon ने कैलिब्रेटेड MuJoCo भौतिकी सिमुलेशन के रूप में पुनर्निर्मित किया। इसके बाद उसने यादृच्छिक परिस्थितियों के साथ 4,500 से अधिक प्रशिक्षण एपिसोड तैयार किए। Google ने बताया कि इससे वास्तविक रोबोट की सफलता दर 56% से बढ़कर 75% हो गई, जबकि कार्य पूरा करने का समय 35 सेकंड से घटकर 24 सेकंड रह गया।

यह पहले का प्रयोग Gemini Robotics 2.5 का बेंचमार्क नहीं है, लेकिन रिलीज़ के पीछे के विकास-चक्र का उदाहरण देता है। औद्योगिक रोबोटिक्स के लिए, यह घोषणा सिमुलेशन डेटा तैयार करने, हार्डवेयर को नियंत्रित करने और प्रतिकूल सुरक्षा परीक्षणों को एक ही कार्यप्रवाह में जोड़ती है। यह अब भी स्पष्ट नहीं है कि प्रदर्शित पुर्ज़ों की किटिंग के काम से आगे, अन्य रोबोटों और कार्यस्थलों पर भी यह कार्यप्रवाह कितनी निरंतरता से लागू हो पाएगा।