O Google DeepMind lança o Gemini Robotics 2.5, que dobra a taxa de sucesso da missão em comparação com benchmarks anteriores. O robô humanóide Apollo 2 equipado com o modelo também obteve uma taxa de sucesso de 96% em testes de classificação de peças nas linhas de produção da Mercedes-Benz. (Resumo anterior: Google DeepMind lançou Gemini Robotics 2! Capacitando robôs com "inteligência de corpo inteiro" e avançando em direção à AGI física) (Suplemento de fundo: Google lançou Gemini 4 Argon! Uma grande evolução do raciocínio espacial, conduzindo o robô humanóide Apollo, preço de API lançado) O Google DeepMind anunciou o lançamento do Gemini Robotics em 10 de novembro 2.5, este modelo de visão-linguagem-ação (VLA) permite que o robô converta o ambiente que vê e as instruções que ele vê recebe em operações reais. Esta atualização se concentra em expandir a gama de habilidades e melhorar o movimento fino, a confiabilidade e a segurança em campo. A postagem oficial nas listas X usa como dobrar roupas, entregar bolos e separar peças de fábrica. Do trabalho doméstico diário às linhas de produção de automóveis, o que o Google DeepMind quer promover é se os robôs podem aprender mais rápido e fazer as coisas de forma mais estável quando confrontados com diferentes objetos. Testado em 200 tarefas, a maior taxa de sucesso relativo foi duplicada. O Google DeepMind avaliou o novo modelo em 200 tarefas diferentes, incluindo segurar alimentos com pinças, amarrar um laço em uma caixa de presente e transferir líquidos com uma pipeta. Essas ações abrangem o uso de ferramentas, a manipulação de objetos macios e o manuseio de itens frágeis, e o teste não consiste apenas em agarrar coisas. Os resultados anunciados pela empresa mostram que, dependendo do tipo de tarefa, a taxa de sucesso do Gemini Robotics 2.5 aumenta de 30% a 100% em relação ao benchmark de teste anterior, até o dobro, e a velocidade de conclusão das tarefas também aumenta de 20% a 30%. Os modelos estão disponíveis para diferentes hardwares robóticos, incluindo o robô humanóide Apptronik Apollo 2 com um manipulador de cinco dedos e o Franka Duo usando uma pinça paralela de dois dedos. Ou seja, esta melhoria não se aplica apenas à exibição de um único robô. A Apollo 2 entrou na linha de produção da Mercedes-Benz e a taxa de sucesso nos testes de classificação de peças atingiu 96%. O teste é mais direto do que a operação em laboratório e vem da linha de produção de automóveis em operação real da Mercedes-Benz. O Google DeepMind colaborou com a Apptronik e a Mercedes-Benz para conduzir uma prova de conceito nas fábricas de Kecskemét, na Hungria, e de Sindelfingen, na Alemanha, onde a Apollo 2 cuida da preparação de peças automotivas. O robô deve retirar os suportes metálicos da caixa de granel, colocá-los nos contêineres dispostos na ordem exigida para cada montagem do veículo e corrigir eventuais defeitos no processo. O teste de classificação e paletização de peças alcançou uma taxa de sucesso de 96%. Entre eles, o modelo de raciocínio incorporado Gemini Robotics ER é responsável por rastrear o fluxo de trabalho, e o modelo de ação Gemini Robotics 2.5 controla as mãos e os braços. Esta divisão de trabalho conecta o julgamento em várias etapas com as operações reais, permitindo que os robôs realizem repetidas preparações de materiais, enquanto os técnicos podem reservar tempo para trabalhos de montagem mais complexos. Argon usa simulação para acelerar o aprendizado e a orientação de segurança melhora junto com os movimentos. Outra chave para esta atualização é a participação do Gemini 4 Argon na pesquisa de robôs. Ele pode criar avatares digitais a partir de cenas capturadas por câmeras reais, gerar milhares de exercícios de simulação diferentes e combiná-los com demonstrações operacionais reais para ajudar o modelo a se adaptar a novas cenas e objetos. Argon também pode analisar vídeos de operações com falha para ajudar os pesquisadores a encontrar motivos de falha e hipóteses de melhoria e, em seguida, testá-los em ambientes simulados e robôs reais. Portanto, o treinamento não precisa depender apenas de máquinas físicas para repetir tentativas e erros sempre, mas ainda mantém demonstrações reais e verificação no local. Em termos de segurança, Gemini Robotics 2.5 adiciona orientações de raciocínio ao realizar ações para evitar perigos físicos. A equipe também lançou o benchmark de teste de código aberto ASIMOV-Jailbreak, que usa requisitos inseguros disfarçados de tarefas gerais para testar a resistência ao jailbreak de agentes relacionados a robôs. Gemini Robotics 2.5 está sendo disponibilizado para parceiros de robótica. Desde a prática repetida em um ambiente simulado até a coleta e colocação sequencial de peças na linha de produção, esta atualização conecta a velocidade de aprendizado com as operações no local, avançando em direção a usos práticos que reduzem a carga de preparação repetida de materiais e melhoram a estabilidade operacional. Histórias relacionadas O Google mostra 5 implementações do Gemini 4 Argon! Crie um jogo 3D com apenas uma dica e supere o GPT-6 Astra. Din Tai Fung, nos Estados Unidos, começou a introduzir robôs. O restaurante chinês mais lucrativo dos Estados Unidos recebe funcionários cansados ​​na quadra de defesa. Visão da indústria robótica: a integração e evolução da automação, inteligência artificial e Web3. O primeiro robô doméstico do mundo, "Neo", está à venda. Pode varrer o chão e fazer café, mas ainda precisa de ajuda humana remota? 〈Google lança Gemini Robotics 2.5! Conduzindo o robô humanóide Apollo 2 para a linha de produção da Mercedes-Benz "A taxa de sucesso de classificação é de 96%" Este artigo foi publicado pela primeira vez no BlockTempo "Dongqu Trend - a mídia de notícias blockchain mais influente".