Apollo 2-humanoider oppnår 96% i konseptdemonstrasjon av sortering hos Mercedes-Benz

Google DeepMind lanserte Gemini Robotics 2.5 10. november 2026 og rapporterte en suksessrate på 96 % da Apptroniks Apollo 2-humanoidroboter sorterte bildeler i en konseptdemonstrasjon på aktive produksjonslinjer hos Mercedes-Benz.

Gemini Robotics 2.5 er en modell for syn, språk og handling (VLA) som kobler visuell forståelse og språkforståelse til robotens handlinger. DeepMind ruller den ut til robotikkpartnere. Den offisielle modellbeskrivelsen omtaler styring av alt fra armer på bordplater til komplette humanoide kropper, inkludert dynamisk balanse for å gå, sette seg på huk og bøye seg, og tilbyr en venteliste for tidlig tilgang.

Apollo 2 utfører klargjøring av bildeler

Arbeidet på fabrikkene fant sted ved Mercedes-Benz-anleggene i Kecskemét i Ungarn og Sindelfingen i Tyskland, der DeepMind, Apptronik og bilprodusenten kjørte Apollo 2 på aktive produksjonslinjer. I konseptdemonstrasjonen sorterte humanoiden deler autonomt fra store beholdere over i brett, ordnet i den nøyaktige rekkefølgen som kreves for hvert kjøretøy.

To modeller delte på arbeidsflyten. Gemini Robotics ER fulgte med på framdriften, mens Gemini Robotics 2.5 styrte humanoidens hender og armer slik at den kunne plukke metallbraketter til biler fra forsyningsbeholdere, plassere dem i sekvenseringsbeholdere og rette opp eventuelle mangler. Apollo 2-konfigurasjonen som ble testet, brukte en SharpaWave-hånd med fem fingre og 22 frihetsgrader. DeepMind framstiller det å overlate denne repetitive klargjøringen til roboten som en måte å holde samlebåndene i gang på, samtidig som teknikerne kan konsentrere seg om komplekse monteringsoppgaver.

Apptroniks medgrunnlegger og administrerende direktør, Jeff Cardenas, sa:

«Da vi kombinerte Apollo 2 med Gemini Robotics, så vi at modellene ble betydelig bedre etter bare noen få ukers ettertrening, og at de fungerte på Mercedes-Benz’ produksjonslinjer med svært lite ytelsesfall.»

Bedre fingerferdighet og sikkerhetsevaluering

Utover arbeidet på fabrikkene omfattet evalueringspakken mer enn 200 ulike oppgaver, blant annet å servere mat med klyper, knyte sløyfe på en gaveeske og pipettere væske. Oppgavene kombinerte avansert bruk av verktøy, kompleks håndtering av deformerbare gjenstander og forsiktig håndtering av skjøre gjenstander. Ifølge DeepMind oppnådde modellen 30–100 % høyere suksessrate enn tidligere referansemodeller, avhengig av oppgavetypen, og fullførte oppgavene 20–30 % raskere.

For å ivareta fysisk sikkerhet bruker modellen veiledning i resonneringen ved inferenstid for å styre unna farer i sanntid. I DeepMinds evalueringer økte andelen oppgaver som ble fullført trygt, med 33 % rundt hindringer og 43 % når personer befant seg i nærheten. Lanseringen tar også for seg agentiske oppgaver med lang tidshorisont, der sikkerheten må ivaretas gjennom flere trinn.

DeepMind lanserte også ASIMOV-Jailbreak, en åpen referansetest der instruksjonene kamuflerer utrygge forespørsler i dusinvis av scenarioer. Ifølge DeepMind oppnådde Gemini 4 Argon 99,5 % motstandsdyktighet mot jailbreak-forsøk, sammenlignet med 82 % for den tidligere referansemodellen Gemini Robotics ER 2. Kodelageret inneholder evalueringskode og data under MIT-lisensen.

Den flerrundebaserte adversarielle V3-evalueringen inneholder 845 eksempler fordelt på 15 strategigrupper og tillater opptil 10 trinn. Den kombinerer deterministiske kontroller av verktøykall for handlinger med vurdering fra en stor språkmodell. Parvise skadelige og ufarlige oppgaver med manipulering på bord lar evalueringsrammeverket måle hvor ofte angrep lykkes, samtidig som det måler overdreven avvisning av ufarlige oppgaver. Slik testes det om en modell avviser utrygge instruksjoner uten samtidig å avvise trygge oppgaver.

Simuleringstrening med Gemini 4 Argon

DeepMind tilskriver Gemini 4 Argon æren for å ha framskyndet utviklingen av Gemini Robotics 2.5 gjennom simulering. Argon kan generere tusenvis av varierte øvingskjøringer fra en kamerasituasjon i den virkelige verden og bygge en realistisk digital tvilling. Sammen med treningsdemonstrasjoner fra virkeligheten hjelper disse kjøringene roboter med å generalisere raskere til nye situasjoner og objekter. Forskere kan også bruke Argon til å foreslå forklaringer på hvorfor oppgaver mislykkes, basert på video, og teste forbedringer i simulering og på fysiske roboter.

Et utviklerinnlegg fra 13. oktober 2026 dokumenterer denne framgangsmåten i et separat eksperiment. Det startet med ett fargefotografi av et ekte bord, som Argon rekonstruerte som en kalibrert MuJoCo-fysikksimulering før systemet produserte mer enn 4 500 treningsepisoder med tilfeldige variasjoner i betingelsene. Google rapporterte at suksessraten for den fysiske roboten dermed økte fra 56 % til 75 %, mens fullføringstiden sank fra 35 sekunder til 24 sekunder.

Dette tidligere eksperimentet er ikke en referansetest for Gemini Robotics 2.5, men det illustrerer utviklingssløyfen bak lanseringen. For industriell robotikk knytter kunngjøringen sammen generering av simulerte data, maskinvarestyring og adversariell sikkerhetstesting i én arbeidsflyt. Det er fortsatt et åpent spørsmål hvor konsekvent denne arbeidsflyten kan overføres fra den demonstrerte oppgaven med klargjøring av bildeler til andre roboter og arbeidsplasser.