
谷歌发布 Gemini Robotics 2.5,提升机器人灵巧度与可靠性
来源标题:Gemini Robotics 2.5 accelerates real-world general dexterity
谷歌推出迄今最强的视觉-语言-动作模型 Gemini Robotics 2.5,可扩大机器人可学习技能的范围并加快学习速度。该模型在超过 200 项不同任务中测试了任务广度、性能和复杂度,旨在让机器人走出实验室、进入更复杂的真实环境。该模型正逐步向谷歌的机器人合作伙伴开放。
以下正文由 AI 翻译自 Google DeepMind(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
分享 已复制 你的浏览器不支持 video 标签。你的浏览器不支持 video 标签。 我们正在让机器人更快地学习现实世界中的技能——从日常操作到工厂车间
今天,我们推出 Gemini Robotics 2.5,这是我们迄今为止能力最强的视觉-语言-动作(VLA)模型。Gemini Robotics 2.5 既拓展了机器人可学习的技能范围,也提升了它掌握这些技能的速度。这增强了灵巧性、可靠性和安全性,帮助机器人走出实验室,进入更加非结构化、更贴近现实的环境,在那里为人们承担更多种类的任务。
今年早些时候,我们已将全身智能引入包括人形机器人在内的多种机器人。现在,很大程度上得益于 Gemini 4 Argon 加速机器人研究的能力,我们进一步推动了物理智能的前沿。我们在 200 多项不同任务上测试了 Gemini Robotics 2.5 在任务广度、性能和复杂度方面的能力,而这一方法还可扩展到更多任务。
Gemini Robotics 2.5 在三个关键领域实现了飞跃:
Gemini Robotics 2.5 正在向我们的机器人合作伙伴逐步推出。
由于现实环境是非结构化且不可预测的,机器人必须能够以精细的精度和高可靠性处理日常物品。
借助 Gemini Robotics 2.5,我们拓展了模型在任务广度、性能和复杂度方面的能力。我们在 200 项不同任务上评估了该模型——例如用夹子分餐、在礼品盒上系蝴蝶结、以及移取液体。这些任务将多种技能结合起来,包括高级工具使用、可变形物体的复杂操作,以及精细处理易碎物品,朝着人类级别的灵巧性迈出了一步。
我们的评估显示,任务精度、鲁棒性和速度都有显著提升。与之前的基线相比,Gemini Robotics 2.5 根据任务类型不同,成功率提高了 30% 到 100%,同时完成任务的速度快了 20% 到 30%。
与我们之前的 Gemini Robotics 模型一样,它原生支持多种不同的机器人类型,包括 Apptronik 的 Apollo 2 人形机器人(配备五指、22 自由度的 SharpaWave 手)以及搭载两指平行夹爪的 Franka Duo 平台。
用 Apptronik 的 Apollo 和 Mercedes-Benz 测试真实世界的可靠性
衡量机器人模型的最终标准,是它能否在活跃的工作场所中可靠地执行任务。为了检验 Gemini Robotics 2.5,我们与 Apptronik 和 Mercedes-Benz 合作,在匈牙利凯奇凯梅特和德国辛德芬根的活跃汽车生产线上使用 Apollo 2 人形机器人。
机器人很难适应新的不可预测环境,我们的 Gemini Robotics 模型让 Apollo 具备了思考、多步推理并采取行动适应变化的能力。在这一概念验证中,Apollo 2 自主执行汽车零件配料:这是一项重复且耗费体力的工作,需要将散装料箱中的单个零件,按照生产线上每辆车的准确顺序分拣到有序的托盘中。分担这项单调的准备工作有助于保持装配线持续运转,同时让技术人员腾出精力专注于复杂的装配任务。
利用我们的具身推理模型(Gemini Robotics ER)跟踪工作流程,并用 Gemini Robotics 2.5 动作模型控制其手和手臂,机器人伸手进入供料箱,拿起金属汽车支架,并将它们放入排序容器中,同时纠正任何缺口。这一试点项目达到了 96% 的成功率,显示出朝着广泛真实世界工业应用迈出的可喜进展。
这正是我们打造 Apollo 的目的:在真实的工业环境中与人们一起做有用的工作。将 Apollo 2 与 Gemini Robotics 结合,我们看到模型在短短几周的后训练中大幅提升,并且迁移到 Mercedes-Benz 生产环境时性能几乎没有下降。这是将人形机器人规模化引入工业和商业环境的基础。
你的浏览器不支持 video 标签。你的浏览器不支持 video 标签。 Apollo 2 使用 Gemini Robotics 2.5 在 Mercedes-Benz 工厂自主执行汽车零件配料。
随着机器人在杂乱日常空间中运行,物理安全至关重要。为确保这一点,我们大幅提升了 Gemini Robotics 2.5 的安全特性。
Gemini Robotics 2.5 使用推理时推理引导来实时避开物理危险。就像安全分类器为 Gemini 的回复增加了一层保护,这种引导让机器人能够安全地在复杂环境中导航。在我们的评估中,这一能力使绕开障碍物的安全任务完成率提升了 33%,绕开附近人员的安全任务完成率提升了 43%。
我们还在提升长时程、代理型任务的安全性。Gemini 4 Argon 目前在我们的代理型机器人评估中领先,涵盖不安全任务拒绝、解决不确定性以及与人类近距离工作。为了测试越狱鲁棒性,我们发布了 ASIMOV-Jailbreak,这是一个新的开源基准,包含数百个提示,在数十个场景中伪装不安全请求。Argon 实现了 99.5% 的越狱抵抗力——相比我们之前基线 Gemini Robotics ER 2 的 82% 有显著提升。
由 GR-2.5 可引导性实现的安全、人类感知的机器人动作
为了教机器人新技能,研究人员需要大量物理数据和高效的建模算法。Gemini 4 Argon 的机器人研究能力通过充当仿真引擎帮助解决了这些瓶颈,极大加速了我们开发 Gemini Robotics 2.5 的进程。
Gemini 4 Argon 机器人研究能力加速 Gemini Robotics 2.5 开发的示例
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。