Гуманоїди Apollo 2 досягли 96% успіху в демонстраційному проєкті із сортування деталей для Mercedes-Benz

Google DeepMind представила Gemini Robotics 2.5 10 листопада 2026 року й повідомила, що гуманоїдні роботи Apollo 2 компанії Apptronik успішно сортували автомобільні деталі у межах демонстраційного проєкту на діючих виробничих лініях Mercedes-Benz у 96% випадків.

Gemini Robotics 2.5 — це модель типу «бачення — мова — дія» (VLA), яка поєднує візуальне й мовне розуміння з діями робота. DeepMind впроваджує її серед партнерів у сфері робототехніки. На офіційній сторінці моделі описано керування роботами — від настільних маніпуляторів до повнорозмірних гуманоїдів, зокрема динамічне утримання рівноваги під час крокування, присідання та нахиляння, а також можливість записатися до списку очікування на ранній доступ.

Apollo 2 комплектує автомобілі деталями

Роботи працювали на заводах Mercedes-Benz у Кечкеметі, Угорщина, та Зіндельфінгені, Німеччина. DeepMind, Apptronik і автовиробник задіяли Apollo 2 на діючих виробничих лініях. У межах демонстраційного проєкту гуманоїд автономно сортував деталі з контейнерів для навалочного зберігання у лотки, розташовані в точній послідовності, потрібній для кожного автомобіля.

Робочий процес розподілили між двома моделями. Gemini Robotics ER відстежувала перебіг роботи, а Gemini Robotics 2.5 керувала руками й руками-маніпуляторами гуманоїда: він діставав металеві автомобільні кронштейни з контейнерів із деталями, розміщував їх у контейнерах для сортування в потрібній послідовності та виправляв будь-які пропуски. У випробуваній конфігурації Apollo 2 використовувалася п’ятипала кисть SharpaWave із 22 ступенями свободи. DeepMind розглядає передачу цієї повторюваної підготовчої роботи роботам як спосіб не зупиняти складальні лінії, поки технічні фахівці зосереджуються на складних монтажних завданнях.

Співзасновник і генеральний директор Apptronik Джефф Карденас сказав:

«Поєднавши Apollo 2 із Gemini Robotics, ми побачили, як лише за кілька тижнів донавчання моделі значно покращилися, а потім змогли перенести ці результати на виробництво Mercedes-Benz із зовсім незначним погіршенням показників».

Підвищення спритності та оцінювання безпеки

Окрім роботи на заводі, комплекс оцінювання охоплював понад 200 різних завдань, зокрема подавання їжі щипцями, зав’язування банта на подарунковій коробці та дозування рідини піпеткою. Завдання передбачали складне використання інструментів, маніпуляції з деформівними предметами та обережне поводження з крихкими речами. За повідомленням DeepMind, залежно від типу завдання модель досягала показників успішності на 30–100% вищих, ніж попередні базові моделі, і виконувала завдання на 20–30% швидше.

Для забезпечення фізичної безпеки модель використовує механізм спрямування міркувань під час інференсу, щоб у реальному часі оминати небезпеки. За оцінюваннями DeepMind, частка безпечного виконання завдань зросла на 33% за наявності перешкод і на 43% поблизу людей. У випуску також розглянуто довготривалі агентні завдання, у яких потрібно підтримувати безпеку на кількох послідовних етапах.

DeepMind також випустила ASIMOV-Jailbreak — бенчмарк із відкритим кодом, у якому запити маскують небезпечні прохання в десятках сценаріїв. За повідомленням DeepMind, Gemini 4 Argon досягла 99,5% стійкості до атак типу jailbreak порівняно з 82% у попередньої базової моделі Gemini Robotics ER 2. У репозиторії доступні код і дані для оцінювання за ліцензією MIT.

Багатокрокове змагальне оцінювання V3 містить 845 зразків, що охоплюють 15 груп стратегій, і передбачає до 10 кроків. Воно поєднує детерміновану перевірку викликів інструментів для виконання дій з оцінюванням великою мовною моделлю. Пари шкідливих і безпечних завдань із маніпуляціями на столі дають змогу тестовому комплексу вимірювати успішність атак і водночас надмірні відмови від безпечних запитів, перевіряючи, чи відхиляє модель небезпечні інструкції, не відмовляючись при цьому виконувати безпечну роботу.

Навчання в симуляції за допомогою Gemini 4 Argon

За словами DeepMind, Gemini 4 Argon прискорила розробку Gemini Robotics 2.5 завдяки симуляції. Argon може створювати тисячі різноманітних тренувальних запусків на основі зображення сцени, зробленого реальною камерою, і будувати реалістичний цифровий двійник. У поєднанні з реальними навчальними демонстраціями ці запуски допомагають роботам швидше узагальнювати навички для нових сцен і предметів. Дослідники також можуть використовувати Argon, щоб за відео пропонувати пояснення невдалого виконання завдань і тестувати вдосконалення як у симуляції, так і на фізичних роботах.

У дописі для розробників від 13 жовтня 2026 року описано цей підхід на прикладі окремого експерименту. Спочатку модель отримала одну кольорову фотографію справжньої стільниці, яку Argon відтворила як калібровану фізичну симуляцію в MuJoCo, а потім згенерувала понад 4500 навчальних епізодів зі змінюваними випадковим чином умовами. Google повідомила, що завдяки цьому частка успішного виконання завдань реальним роботом зросла з 56% до 75%, а час виконання скоротився з 35 до 24 секунд.

Попередній експеримент не є бенчмарком Gemini Robotics 2.5, але він демонструє цикл розробки, на якому ґрунтується цей випуск. Для промислової робототехніки це оголошення поєднує в одному робочому процесі генерування симульованих даних, керування апаратним забезпеченням і змагальне тестування безпеки. Відкритим залишається питання, наскільки стабільно цей процес можна перенести з продемонстрованого завдання з комплектування деталей на інші типи роботів і робочі середовища.