Robot hình người Apollo 2 đạt 96% trong thử nghiệm chứng minh khả thi về phân loại phụ tùng tại Mercedes-Benz

Ngày 10 tháng 11 năm 2026, Google DeepMind giới thiệu Gemini Robotics 2.5, cho biết robot hình người Apollo 2 của Apptronik đạt tỷ lệ thành công 96% khi phân loại phụ tùng ô tô trong một thử nghiệm chứng minh khả thi trên các dây chuyền sản xuất đang hoạt động của Mercedes-Benz.

Gemini Robotics 2.5 là mô hình thị giác-ngôn ngữ-hành động (VLA), kết nối khả năng hiểu hình ảnh và ngôn ngữ với các hành động của robot. DeepMind đang triển khai mô hình này cho các đối tác trong lĩnh vực robot. Trang mô hình chính thức mô tả khả năng điều khiển từ cánh tay robot đặt trên bàn đến toàn bộ cơ thể robot hình người, bao gồm giữ thăng bằng linh hoạt khi bước đi, ngồi xổm và cúi người, đồng thời cung cấp danh sách chờ để được truy cập sớm.

Apollo 2 thực hiện công đoạn chuẩn bị bộ phụ tùng ô tô

Công việc tại nhà máy diễn ra ở các cơ sở của Mercedes-Benz tại Kecskemét, Hungary, và Sindelfingen, Đức; DeepMind, Apptronik và hãng xe đã vận hành Apollo 2 trên các dây chuyền sản xuất đang hoạt động. Trong thử nghiệm chứng minh khả thi, robot hình người tự động phân loại phụ tùng từ các thùng chứa số lượng lớn vào khay theo đúng trình tự cần thiết cho từng chiếc xe.

Hai mô hình cùng đảm nhiệm các phần khác nhau của quy trình. Gemini Robotics ER theo dõi tiến độ, còn Gemini Robotics 2.5 điều khiển bàn tay và cánh tay robot hình người để nhặt các giá đỡ kim loại dùng trong ô tô từ thùng chứa phụ tùng, đặt chúng vào các khay sắp xếp theo trình tự và khắc phục mọi chỗ thiếu. Cấu hình Apollo 2 được thử nghiệm sử dụng bàn tay SharpaWave năm ngón với 22 bậc tự do. DeepMind cho rằng việc giao khâu chuẩn bị lặp đi lặp lại này cho robot có thể giúp dây chuyền lắp ráp vận hành liên tục, trong khi kỹ thuật viên tập trung vào các công đoạn chế tạo phức tạp.

Đồng sáng lập kiêm Giám đốc điều hành Apptronik, Jeff Cardenas, cho biết:

“Khi kết hợp Apollo 2 với Gemini Robotics, chúng tôi nhận thấy các mô hình cải thiện đáng kể chỉ sau vài tuần huấn luyện bổ sung, và khả năng đó được duy trì khi đưa vào dây chuyền sản xuất của Mercedes-Benz với mức suy giảm rất nhỏ.”

Cải thiện khả năng khéo léo và đánh giá độ an toàn

Ngoài công việc tại nhà máy, bộ đánh giá bao gồm hơn 200 nhiệm vụ riêng biệt, chẳng hạn như gắp thức ăn bằng kẹp, thắt nơ hộp quà và dùng pipet hút chất lỏng. Các nhiệm vụ kết hợp việc sử dụng công cụ nâng cao, thao tác phức tạp với vật thể biến dạng và xử lý cẩn thận các vật dụng dễ vỡ. DeepMind cho biết, tùy loại nhiệm vụ, mô hình đạt tỷ lệ thành công cao hơn từ 30% đến 100% so với các mô hình cơ sở trước đây và hoàn thành nhiệm vụ nhanh hơn từ 20% đến 30%.

Để bảo đảm an toàn vật lý, mô hình sử dụng hướng dẫn suy luận ngay trong quá trình vận hành để tránh nguy hiểm theo thời gian thực. Trong các đánh giá của DeepMind, tỷ lệ hoàn thành nhiệm vụ an toàn tăng 33% khi có chướng ngại vật và tăng 43% khi có người ở gần. Bản phát hành này cũng đề cập đến các nhiệm vụ tác tử kéo dài qua nhiều bước, trong đó cần duy trì an toàn xuyên suốt quá trình.

DeepMind cũng phát hành ASIMOV-Jailbreak, một bộ chuẩn mã nguồn mở với các câu lệnh ngụy trang những yêu cầu không an toàn trong hàng chục bối cảnh. DeepMind cho biết Gemini 4 Argon đạt khả năng chống bẻ khóa 99,5%, so với mức 82% của mô hình cơ sở trước đó là Gemini Robotics ER 2. Kho lưu trữ cung cấp mã và dữ liệu đánh giá theo giấy phép MIT.

Bài đánh giá đối kháng nhiều lượt V3 gồm 845 mẫu thuộc 15 nhóm chiến lược và cho phép tối đa 10 bước. Bài đánh giá kết hợp các bước kiểm tra xác định đối với lệnh gọi công cụ hành động với một mô hình ngôn ngữ lớn đóng vai trò giám khảo. Các cặp nhiệm vụ thao tác trên bàn có hại và lành tính cho phép bộ công cụ đo lường mức độ thành công của cuộc tấn công, đồng thời đánh giá tình trạng từ chối quá mức các yêu cầu lành tính, qua đó kiểm tra xem mô hình có từ chối chỉ dẫn không an toàn mà không bác bỏ cả những công việc an toàn hay không.

Huấn luyện mô phỏng với Gemini 4 Argon

DeepMind ghi nhận Gemini 4 Argon đã đẩy nhanh quá trình phát triển Gemini Robotics 2.5 thông qua mô phỏng. Argon có thể tạo ra hàng nghìn lượt thực hành đa dạng từ một cảnh thực tế ghi lại bằng camera và xây dựng bản sao kỹ thuật số chân thực. Khi kết hợp với các bản ghi thao tác huấn luyện trong thực tế, những lượt thực hành này giúp robot khái quát hóa nhanh hơn sang các cảnh và vật thể mới. Các nhà nghiên cứu cũng có thể dùng Argon để đề xuất lời giải thích cho những lần thực hiện nhiệm vụ thất bại dựa trên video, rồi thử nghiệm các cải tiến trong mô phỏng và trên robot thật.

Một bài đăng dành cho nhà phát triển ngày 13 tháng 10 năm 2026 ghi lại cách tiếp cận đó trong một thí nghiệm riêng. Thí nghiệm bắt đầu với một bức ảnh màu chụp mặt bàn thực tế; Argon tái tạo ảnh thành một mô phỏng vật lý MuJoCo đã hiệu chỉnh, rồi tạo ra hơn 4.500 lượt huấn luyện với các điều kiện được ngẫu nhiên hóa. Google cho biết tỷ lệ thành công của robot thật sau đó tăng từ 56% lên 75%, trong khi thời gian hoàn thành giảm từ 35 giây xuống 24 giây.

Thí nghiệm trước đó không phải là một phép đo chuẩn của Gemini Robotics 2.5, nhưng cho thấy vòng lặp phát triển đằng sau bản phát hành này. Đối với robot công nghiệp, thông báo kết nối việc tạo dữ liệu mô phỏng, điều khiển phần cứng và kiểm tra an toàn đối kháng trong một quy trình duy nhất. Câu hỏi còn bỏ ngỏ là quy trình này có thể được áp dụng ổn định đến mức nào ngoài nhiệm vụ chuẩn bị bộ phụ tùng đã trình diễn, trên các robot và tại những nơi làm việc khác.