Google DeepMind 于 2026 年 11 月 10 日公布了 Gemini Robotics 2.5，并表示该模型帮助 Apptronik 的 Apollo 2 类人机器人在匈牙利凯奇凯梅特和德国辛德尔芬根的梅赛德斯‑奔驰在产生产线上执行汽车配件装箱（kitting）任务。DeepMind 报告称该试点的成功率为 96%，并将此工作描述为概念验证而非商业部署。
凯奇凯梅特试点
DeepMind 表示，该任务涉及自主配件装箱——从散装箱中拾取金属支架并将其按装配工序所需的精确顺序放入序列容器中。公司描述了使用具身推理模型（Gemini Robotics ER）来跟踪工作流，以及使用 Gemini Robotics 2.5 动作模型来控制机器人的手和臂。DeepMind 的博客在试验中点名了 Apptronik 和 梅赛德斯‑奔驰 作为合作伙伴。
Apptronik 联合创始人兼首席执行官 Jeff Cardenas 在 DeepMind 的博客中被引述说：“这正是我们为 Apollo 所打造的：在真实工业环境中与人并肩完成有用工作。将 Apollo 2 与 Gemini Robotics 配对后，我们看到模型在仅几周的训练后显著改进，并在转入梅赛德斯‑奔驰生产时几乎没有下降。”
DeepMind 还强调了安全性和可控性改进：推理时避免危险使得在障碍物周围的安全任务完成率提高了 33%，在人附近时提高了 43%，团队还发布了一个开放安全基准（ASIMOV‑Jailbreak）以评估对抗性提示。公司表示 Gemini Robotics 2.5 正在向机器人合作伙伴推广，而非向公众全面开放。
背景与专家观点
独立报道和行业评论指出了这一成果的重要性——同时也提出了保留意见。报道指出 DeepMind 的 96% 数据来自于特定配件装箱任务的试点，公司尚未随声明发布原始试验次数、循环时间数据或正式技术报告。DeepMind 员工也承认，要在所有应用中实现与人类同等的可靠性仍存在挑战。
这对市场意味着什么
对中欧和东欧的整车厂及供应商而言，该试点值得注意，因为它将先进的具身人工智能与类人机器人直接置入一家匈牙利大型工厂的在产产线上。如果通用机器人模型能够可靠地执行诸如配件装箱等重复且对人体工学造成负担的任务，区域工厂就可能将人工人员重新部署到更高附加值的岗位，缓解班次安排的劳动力约束，并在劳动力密集的准备工作上提高产能——前提是商业系统能够达到持续的工业级可靠性。该声明也可能加速供应商对机器人集成商、本地机器人训练数据服务及现场安全验证流程的兴趣。
然而，该推广仍处于仅限合作伙伴的阶段，DeepMind 的博客和行业报道均强调该模型并非一个已完成的即插即用工厂产品。该地区的整车厂将在考虑可追溯的故障数据、循环时间经济性和职业安全认证的需求后，权衡该试点的潜力与大规模采用之间的利弊。
来源：Google DeepMind、Ars Technica、Association for Advancing Automation
