Apollo 2 人形机器人在 Mercedes-Benz 分拣概念验证中达到 96% 成功率

Google DeepMind 于 2026 年 11 月 10 日推出 Gemini Robotics 2.5，并报告称，在一项概念验证中，Apptronik 的 Apollo 2 人形机器人在 Mercedes-Benz 正常运转的生产线上分拣汽车零部件，成功率达到 96%。

Gemini Robotics 2.5 是一种视觉-语言-动作（VLA）模型，能够将视觉和语言理解转化为机器人动作。DeepMind 正在向机器人领域的合作伙伴推广该模型。模型官方页面介绍了其控制能力，范围从桌面机械臂到完整的人形机器人机身，涵盖迈步、下蹲和弯腰时的动态平衡；页面还提供了早期体验候补名单。

Apollo 2 执行汽车零部件配套作业

这项工厂作业在 Mercedes-Benz 位于匈牙利凯奇凯梅特和德国辛德芬根的工厂进行。DeepMind、Apptronik 与这家汽车制造商让 Apollo 2 在正常运转的生产线上作业。在这项概念验证中，人形机器人自主地将散装料箱中的零部件分拣到托盘中，并按照每辆车所需的精确顺序摆放。

两种模型分工完成整个工作流程。Gemini Robotics ER 跟踪作业进度，Gemini Robotics 2.5 则控制人形机器人的手和手臂，从供料箱中拿取汽车金属支架，将其放入排序容器，并修正任何遗漏。测试中的 Apollo 2 配置使用了带有五根手指、具备 22 个自由度的 SharpaWave 手部。DeepMind 表示，将这类重复性准备工作交由机器人处理，有助于生产线持续运转，让技术人员能够专注于复杂的组装任务。

Apptronik 联合创始人兼首席执行官 Jeff Cardenas 表示：

“将 Apollo 2 与 Gemini Robotics 配合使用后，我们看到模型仅经过几周的后训练，性能就大幅提升；迁移到 Mercedes-Benz 的生产环境后，性能几乎没有下降。”

灵巧操作能力提升与安全评估

除工厂作业外，评估任务集还涵盖 200 多项不同任务，包括用钳子夹取食物、系礼品盒蝴蝶结以及用移液器吸取液体。这些任务涉及先进的工具使用、对可变形物体的复杂操作，以及对易损物品的谨慎处理。DeepMind 报告称，视任务类型而定，该模型的成功率比以往基线高出 30% 至 100%，完成任务的速度则快 20% 至 30%。

在实体安全方面，该模型会在推理时运用推理引导，实时避开危险。在 DeepMind 的评估中，模型在障碍物周围安全完成任务的表现提升了 33%，在附近有人时则提升了 43%。此次发布还涉及长时程智能体任务，在这类任务中，必须在多个步骤中持续保障安全。

DeepMind 还发布了开源基准测试 ASIMOV-Jailbreak，其中的提示词会在数十种场景中伪装不安全请求。据 DeepMind 报告，Gemini 4 Argon 的越狱抵抗率达到 99.5%，而此前的基线模型 Gemini Robotics ER 2 为 82%。该代码仓库依据 MIT 许可证提供评估代码和数据。

其多轮 V3 对抗性评估包含 845 个样本，涵盖 15 个策略组，最多允许 10 个步骤。该评估结合了对动作工具调用的确定性检查，以及由大型语言模型担任评判者。成对设置的有害与无害桌面操作任务，使测试框架能够同时衡量攻击成功率和对无害请求的过度拒绝情况，以检验模型能否拒绝不安全指令，同时不拒绝安全任务。

借助 Gemini 4 Argon 进行仿真训练

DeepMind 表示，Gemini 4 Argon通过仿真加快了 Gemini Robotics 2.5 的开发。Argon 能根据真实场景的摄像头画面生成数千次内容各异的练习运行，并构建逼真的数字孪生。将这些运行与真实训练示范结合，有助于机器人更快地泛化到新的场景和物体。研究人员还可以利用 Argon 根据视频推测任务失败的原因，并在仿真环境和实体机器人上测试改进方案。

2026 年 10 月 13 日发布的开发者文章记录了另一项实验中采用的这一方法。实验从一张真实桌面的彩色照片开始，Argon 先将其重建为经过校准的 MuJoCo 物理仿真环境，随后生成了 4,500 多个条件随机化的训练回合。Google 报告称，由此实现的真实机器人成功率从 56% 提升至 75%，完成时间则从 35 秒缩短至 24 秒。

此前的实验并非 Gemini Robotics 2.5 的基准测试，但展示了此次发布背后的开发循环。对于工业机器人领域，这项公告将仿真数据生成、硬件控制和对抗性安全测试纳入同一工作流程。仍待解答的问题是，这套工作流程能否稳定地从已展示的零部件配套任务迁移到其他机器人和工作场所。