Robot humanoid Apollo 2 mencapai 96% dalam uji pembuktian konsep penyortiran di Mercedes-Benz

Google DeepMind memperkenalkan Gemini Robotics 2.5 pada 10 November 2026, dengan melaporkan tingkat keberhasilan 96% ketika robot humanoid Apollo 2 milik Apptronik menyortir suku cadang otomotif dalam uji pembuktian konsep di lini produksi Mercedes-Benz yang aktif.

Gemini Robotics 2.5 adalah model visi-bahasa-aksi (VLA) yang menghubungkan pemahaman visual dan bahasa dengan tindakan robot. DeepMind mulai meluncurkannya kepada mitra-mitra robotika. Halaman model resmi menjelaskan kemampuan mengendalikan robot mulai dari lengan di atas meja hingga tubuh humanoid utuh, termasuk menjaga keseimbangan dinamis saat melangkah, berjongkok, dan membungkuk, serta menyediakan daftar tunggu untuk akses awal.

Apollo 2 Menangani Penyiapan Komponen Otomotif

Pekerjaan di pabrik berlangsung di fasilitas Mercedes-Benz di Kecskemét, Hungaria, dan Sindelfingen, Jerman. DeepMind, Apptronik, dan produsen mobil tersebut menjalankan Apollo 2 di lini produksi yang aktif. Dalam uji pembuktian konsep itu, robot humanoid tersebut secara mandiri menyortir komponen dari wadah curah ke dalam baki, sesuai urutan tepat yang dibutuhkan setiap kendaraan.

Dua model membagi alur kerja. Gemini Robotics ER memantau kemajuan, sementara Gemini Robotics 2.5 menggerakkan tangan dan lengan robot humanoid untuk mengambil braket otomotif berbahan logam dari wadah persediaan, menempatkannya di wadah pengurutan, dan memperbaiki setiap celah. Konfigurasi Apollo 2 yang diuji menggunakan tangan SharpaWave berjari lima dengan 22 derajat kebebasan. Menurut DeepMind, pengalihan pekerjaan persiapan yang berulang ini dapat menjaga lini perakitan tetap berjalan, sementara teknisi berfokus pada tugas perakitan yang rumit.

Jeff Cardenas, salah satu pendiri sekaligus CEO Apptronik, mengatakan:

“Dengan memadukan Apollo 2 dan Gemini Robotics, kami melihat model-model tersebut berkembang pesat hanya dalam beberapa minggu pascapelatihan, lalu mampu diterapkan di produksi Mercedes-Benz dengan penurunan kinerja yang sangat kecil.”

Peningkatan Ketangkasan dan Evaluasi Keselamatan

Di luar pekerjaan pabrik, rangkaian evaluasi mencakup lebih dari 200 tugas berbeda, termasuk menyajikan makanan dengan penjepit, mengikat pita pada kotak hadiah, dan memipet cairan. Tugas-tugas tersebut menggabungkan penggunaan alat tingkat lanjut, manipulasi rumit terhadap benda yang dapat berubah bentuk, serta penanganan benda rapuh secara hati-hati. Menurut DeepMind, bergantung pada jenis tugas, model ini mencapai tingkat keberhasilan 30% hingga 100% lebih tinggi daripada tolok ukur sebelumnya dan menyelesaikan tugas 20% hingga 30% lebih cepat.

Untuk keselamatan fisik, model ini menggunakan panduan penalaran saat inferensi agar dapat menghindari bahaya secara langsung. Dalam evaluasi DeepMind, tingkat penyelesaian tugas dengan aman meningkat 33% saat menghadapi rintangan dan 43% saat berada di dekat orang. Rilis ini juga membahas tugas agen dengan cakrawala panjang, yang mengharuskan keselamatan tetap terjaga selama beberapa langkah.

DeepMind juga merilis ASIMOV-Jailbreak, tolok ukur sumber terbuka yang prompt-nya menyamarkan permintaan tidak aman dalam puluhan skenario. Menurut DeepMind, Gemini 4 Argon mencapai ketahanan terhadap jailbreak sebesar 99,5%, dibandingkan dengan 82% pada tolok ukur Gemini Robotics ER 2 sebelumnya, Gemini Robotics ER 2. Repositori ini menyediakan kode dan data evaluasi dengan lisensi MIT.

Evaluasi adversarial V3 multi-giliran mencakup 845 sampel yang tersebar dalam 15 kelompok strategi dan mengizinkan hingga 10 langkah. Evaluasi ini menggabungkan pemeriksaan deterministik atas pemanggilan alat tindakan dengan penilaian oleh model bahasa besar. Tugas manipulasi di atas meja yang dipasangkan—berbahaya dan aman—memungkinkan perangkat pengujian mengukur keberhasilan serangan sekaligus penolakan berlebihan terhadap permintaan aman, untuk menguji apakah model menolak instruksi tidak aman tanpa ikut menolak pekerjaan yang aman.

Pelatihan Simulasi dengan Gemini 4 Argon

DeepMind menyebut Gemini 4 Argon sebagai faktor yang mempercepat pengembangan Gemini Robotics 2.5 melalui simulasi. Argon dapat menghasilkan ribuan sesi latihan yang bervariasi dari adegan kamera di dunia nyata dan membangun kembaran digital yang realistis. Jika dipadukan dengan demonstrasi pelatihan nyata, sesi-sesi tersebut membantu robot beradaptasi lebih cepat dengan adegan dan objek baru. Peneliti juga dapat menggunakan Argon untuk mengusulkan penjelasan atas kegagalan tugas berdasarkan video, serta menguji peningkatan dalam simulasi dan pada robot fisik.

Unggahan pengembang pada 13 Oktober 2026 mendokumentasikan pendekatan tersebut dalam eksperimen terpisah. Eksperimen itu dimulai dengan satu foto berwarna dari meja nyata, yang direkonstruksi Argon menjadi simulasi fisika MuJoCo terkalibrasi sebelum menghasilkan lebih dari 4.500 episode pelatihan dengan kondisi yang diacak. Google melaporkan bahwa tingkat keberhasilan robot nyata yang dihasilkan naik dari 56% menjadi 75%, sementara waktu penyelesaian turun dari 35 detik menjadi 24 detik.

Eksperimen sebelumnya itu bukan tolok ukur Gemini Robotics 2.5, tetapi menggambarkan siklus pengembangan di balik rilis ini. Untuk robotika industri, pengumuman tersebut menghubungkan pembuatan data simulasi, kendali perangkat keras, dan pengujian keselamatan adversarial dalam satu alur kerja. Pertanyaan yang belum terjawab adalah seberapa konsisten alur kerja ini dapat diterapkan di luar tugas penyiapan komponen yang telah didemonstrasikan, ke robot dan tempat kerja lain.