DeepMind 新聞來源摘要
本文目錄:這則更新發生了甚麼及何時公布 | 已確認事實與尚未確認事項 | 這則更新會影響誰、影響甚麼決定 | 現在可以採取的核對步驟 | 文章參考資料
這則更新發生了甚麼及何時公布
Google DeepMind 在官方網誌 Gemini Robotics 2.5 accelerates real-world general dexterity 宣布 Gemini Robotics 2.5,作者為 Carolina Parada。網誌標示日期為 2026 年 11 月 10 日;官方新聞 RSS 將該文時間寫成 2026 年 11 月 9 日 19:51 UTC,換算為香港時間即 11 月 10 日 03:51。為避免日期爭議,下文以官方網誌標示的 11 月 10 日為公布日,並同時記下 RSS 的 UTC 時間。
官方稱之為迄今最能幹的視覺語言動作模型,目的是讓機械人在真實環境中學得更快:既擴大可學習技能的廣度,也提高習得速度,並加強靈巧度、可靠度與安全,以協助機械人走出實驗室、進入較無結構的真實場景。原文回顧,今年較早前已把全身智能帶進包括人形機械人在內的多種機型;此次進展很大程度上受惠於 Gemini 4 Argon 對機械人研究的加速作用。
在能力陳述方面,官方列出三個重點。靈巧度方面,機械人可完成更多任務,例如用夾子分食、為禮盒打蝴蝶結、以及移液等,並把這些任務視為朝向更高靈巧度的一步。可靠度方面,官方描述與 Apptronik、Mercedes-Benz 合作,在匈牙利 Kecskemét 與德國 Sindelfingen 仍在運作的汽車生產線上,以 Apollo 2 人形機械人做概念驗證:執行汽車套件預組(kitting),即把金屬支架等零件從散裝料箱取出,放進按每輛車所需順序排列的容器,並補正空缺。原文寫成成功率達 96%,並說明由具身推理模型(Gemini Robotics ER)追蹤工作流程,由 Gemini Robotics 2.5 動作模型控制手與臂。安全方面,官方稱加入推理時的安全導引,以即時避開物理危害;在其評估中,於障礙物附近安全完成任務提升 33%,在附近有人時提升 43%。
評估數字方面,官方稱在超過 200 項不同任務上測試,相對先前基線,視任務類型成功率提高 30% 至 100%,完成速度則快 20% 至 30%。原文並稱模型可原生用於多種機械人,包括配備五指、22 個自由度 SharpaWave 手部的 Apollo 2,以及雙指平行夾爪的 Franka Duo 平台。為測試代理式任務的越獄穩健度,官方發布開源基準 ASIMOV-Jailbreak;文中寫明 Gemini 4 Argon 達到 99.5% 的越獄抵抗率,相對先前基線 Gemini Robotics ER 2 的 82%。讀者應注意:該項越獄數字寫的是 Argon,而不是把 99.5% 直接寫成 Robotics 2.5 本身的唯一指標;本站較早前關於 ER 2 的報道,亦不能替代這則 2.5 的公布。
在研發方法上,官方稱 Gemini 4 Argon 可作為模擬引擎,從真實攝影機場景產生大量變化的模擬練習並建立數碼孿生,也可根據影片假設任務失敗原因,從而加速 2.5 的開發。原文最後寫明,Gemini Robotics 2.5 正向其機械人合作夥伴推出。全文沒有列出香港或一般製造商可自行下單開通的公開價目或標準服務等級協議。
已確認事實與尚未確認事項
已確認(以 DeepMind 官方網誌為準,公布日按網誌標示為 2026-11-10):Gemini Robotics 2.5 被定位為迄今最能幹的視覺語言動作模型;官方稱在超過 200 項任務上評估,並給出相對基線的成功率與速度區間;與 Apptronik Apollo 2 及 Mercedes-Benz 在兩處生產線進行套件預組概念驗證,官方寫成成功率 96%,並說明 ER 與 2.5 動作模型的分工;列出安全導引的內部評估升幅,以及 ASIMOV-Jailbreak 與 Argon 99.5% 對 ER 2 基線 82% 的表述;模型正向機械人合作夥伴推出。以上均為供應商就其研究與概念驗證的自我陳述。
尚未確認:96% 成功率的樣本量、統計區間、失敗模式與是否可在其他工廠重現;30% 至 100% 成功率升幅所對照的確切基線版本;合作夥伴計劃的名單、時程、價格與責任劃分;以及上述安全與越獄數字由獨立第三方按同一規程覆核的結果。原文沒有宣稱香港工廠可以即時部署相同系統,也沒有把概念驗證等同於已全面投產的作業系統。
這則更新會影響誰、影響甚麼決定
若你負責製造、物流或職場安全政策,這則更新的價值在於一份可引用的概念驗證說明:具身推理與動作控制可以分開協同,而官方仍把推出範圍寫成機械人合作夥伴,而不是一般即用軟件。它有助於向管理層區分「實驗室示範」「生產線概念驗證」與「可大規模採購並承擔責任的系統」。
對軟件或人工智能團隊,重點不是立刻改用某個對外應用程式介面,而是理解評估數字的條件與未公開細節,並把越獄基準、接近人體時的安全導引等項目列入供應商問題清單。對香港一般課程學員,短期內日常應用程式未必出現可見變化;不宜把汽車廠的概念驗證,直接理解成辦公室或家居機械人已經成熟。
若機構需要把人工智能能力、限制與風險溝通寫成可重複的培訓,可參考 企業 AI 培訓 與 香港 AI 課程總覽。
現在可以採取的核對步驟
- 閱讀 DeepMind 原文,核對公布日期、視覺語言動作模型定位、「超過 200 項任務」「96% 成功率」的概念驗證地點與任務,以及「正向機械人合作夥伴推出」等表述。
- 把 96% 與安全升幅、越獄抵抗率列為官方自我陳述,並分清哪些數字屬於 Robotics 2.5、哪些寫的是 Gemini 4 Argon 或 ER 2 基線。
- 不要把本站既有的 Gemini Robotics ER 2 報道,當作 2.5 已經在本站詳細評測的同一篇;兩者應分開存檔。
- 若機構評估工廠自動化,向供應商索取書面說明:部署範圍、失敗接手程序、接近人體時的停止條件,以及概念驗證與正式交付的差異。
- 需要把相關原則寫進培訓時,可由 企業 AI 培訓 或 香港 AI 課程總覽 開始。
官方來源:Google DeepMind:Gemini Robotics 2.5(網誌標示 2026-11-10)。延伸學習可參考 企業 AI 培訓 與 香港 AI 課程總覽。
文章參考資料
以上公開資料於 2026 年 11 月 12 日查閱;事實以 Google DeepMind 官方原文為準。評估數字、合作範圍與推出進度可能變更。
本頁僅供一般資訊與學習用途,不構成法律、職安、採購、投資或專業意見。
學習 AI,保護你的未來。