登录

Gemini具身RSI发布，御三家连续暴击垂直具身模型，太惨了

2 小时前
AI资讯
1 阅读
大模型具身智能机器人Gemini

谷歌DeepMind正式发布新一代机器人模型Gemini Robotics 2.5。按照谷歌DeepMind研究员Norman Di Palo的说法，这是其机器人RSI的最新成果，也是谷歌首个借助Gemini 4 Argon加速研发、具备自主改进能力的机器人基础模型。相比上一代，Gemini Robotics 2.5是一款视觉—语言—动作模型，重点补上了灵巧性、可靠性和安全性三门课。

Gemini Robotics 2.5把“夹蛋糕”从5%干到100%

谷歌这次直接安排了200种不同任务，从日常家务到精细操作，给新模型来了一场技能大考。结果显示，新模型相较此前基线，任务成功率提高30%—100%，完成速度也提升了20%—30%。

最有看头的是灵巧操作。以夹蛋糕为例，这个动作对力度要求很高，夹轻了拿不起来，夹重了又容易把食物捏变形。在对比测试中，Gemini Robotics 2执行这一任务的成功率只有5%，升级到2.5版本后直接干到了100%。取夹子、夹蛋糕、把蛋糕装到盒子里，几个动作可以一气呵成。

更考验“手指操作”的任务也有明显进步：

  • 拆开系好的蝴蝶结：此前模型成功率为0%，Gemini Robotics 2.5直接干到70%；
  • 挂开衫：成功率从0%提升至62%；
  • 折裤子：成功率从0%提升至40%。

别看这些操作平平无奇，衣服、丝带这类柔性物体一直是机器人操作中的硬骨头。衣物、丝带会随着抓取和拉扯不断改变形状，机器人既要看清物体状态，还得实时调整动作。Gemini Robotics 2.5在这类任务上的提升，说明它不再只是“能拿能放”，而是开始具备更细的力度控制和实时调整能力。

安全性也被摆上台面。谷歌称，新模型增强了物理避险能力，并引入新基准，测试机器人抵御恶意指令和越狱攻击的能力。也就是说，机器人不仅要会干活，还得在真实环境里知道什么能做、什么不能做。

Gemini具身RSI发布，御三家连续暴击垂直具身模型，太惨了

Apollo 2进奔驰产线分拣零件，96%成功率

谷歌显然不满足于让机器人在实验室里秀才艺。这一次，Apollo 2人形机器人直接进了奔驰汽车工厂。

测试分别在德国辛德芬根和匈牙利凯奇凯梅特的奔驰生产设施展开。负责上岗的是Apptronik旗下的Apollo 2人形机器人，配备22自由度五指灵巧手。它的工作不是夹糕点，而是汽车零部件配套分拣。

为此，谷歌给Apollo 2安排了一套“脑手分工”：

  • Gemini Robotics ER负责理解任务、规划流程；
  • Gemini Robotics 2.5负责指挥双手，把活儿真正干出来。

最终，在这次真实产线概念验证中，Apollo 2交出了96%的任务成功率。这个数字的意义在于，Gemini Robotics 2.5不只是一个在演示视频里表现不错的模型，而是已经开始进入真实产线，接受节拍、精度和可靠性检验。

Gemini 4 Argon把机器人研发变成“AI训练AI”

机器人进步这么快，幕后功臣是Gemini 4 Argon与RSI，也就是递归自我改进。

Gemini具身RSI发布，御三家连续暴击垂直具身模型，太惨了

以往具身智能研发最卡脖子的，是那些又脏又累、还特别烧钱的活儿：数据得一条条采，质量得一点点查，机器人翻车了，还得工程师反复看录像、找原因、调参数。Gemini 4 Argon这次直接下场，接管并加速了模型开发的全链路。

简单说，就是用更强的AI去一条龙包办、调教并升级下一代机器人AI。方法也很直接：先让机器人在虚拟世界里反复练手试错。

根据谷歌10月公布的研究案例，Argon甚至可以从一张真实桌面的RGB照片出发，自主重建物理仿真环境。这意味着机器人训练不再完全依赖人工搭建仿真场景，AI可以自己把真实场景“搬”进虚拟世界，再在里头反复训练、分析失败原因、学会改进。

这正是Physical RSI的味道：在物理世界里，AI开始自己训练AI。过去具身智能公司拼的是数据采集和工程调参，现在谷歌把更强的通用模型塞进研发流程，让模型开发本身也变成一件可以自动化、可以递归改进的事。

通用大模型巨头连番下场，垂直具身模型被“降维打击”

Gemini Robotics 2.5的发布，让“御三家连续暴击垂直具身模型”这句话有了更具体的注脚。谷歌之外，OpenAI、Anthropic等通用大模型玩家也在把更强的模型能力往具身场景渗透。行业里已经出现“GPT-6之后，具身大模型画地为牢”的讨论，垂直具身模型公司的压力肉眼可见。

这种压力来自几个层面。自变量创始人王潜曾在外滩大会上说，为了理解物理空间，OpenAI和具身模型公司要处理的数据管线可能是一样的，所以OpenAI可能没有额外优势。但陈哲对此有一个更扎心的观察：头部大模型公司在数据处理经验、算力和工具链上远比具身公司先进。甚至今天很多具身公司处理数据管线时，调用的最聪明的大脑还是GPT和Claude，而OpenAI、Anthropic能提前几个月用上内部的最强版本，具身公司在这方面反而处于劣势。

更让垂直具身模型难受的是RSI的想象空间。陈哲提到，最让人头皮发麻的是把Astra当成一个具身研究员：凭借很强的工具调用能力，它可以在Blender里搭3D环境，生成资产并设定属性，然后再调用仿真器自主调试、修改和优化运动策略，自己把建模、训练和调优都干了，完成“real-to-sim-to-real”的闭环。这也就是所谓的Physical RSI。很多创业公司正在试这个方向，甚至有新公司会以Physical RSI去融资，但目前还没有特别重磅的公开成果。

可谷歌已经把Gemini 4 Argon和RSI摆上了桌。对垂直具身模型公司来说，最惨的地方不在于某一个任务成功率被超过，而在于通用大模型巨头正在把数据、仿真、训练、调优甚至安全测试变成基础模型能力的一部分。以前大家比的是谁采的数据多、谁调的参数细；现在谷歌用更强的AI去训练下一代机器人AI，直接把研发链路也卷进了模型竞赛。Gemini Robotics 2.5只是一个结果，真正让行业紧张的，是它背后那套“AI训练AI”的机器已经开始转起来了。