大数跨境

机器人开始比谁的护栏硬了:六个问题

机器人开始比谁的护栏硬了:六个问题 伺服位
2026-11-11
0
导读:QUOTE会干活只决定它能不能上岗,敢让它上岗才决定它能不能留下。—— 机器人日报 11 月 10 日,谷歌

QUOTE

会干活只决定它能不能上岗,敢让它上岗才决定它能不能留下。

—— 机器人日报

11 月 10 日,谷歌发布了 Gemini Robotics 2.5,称其为「迄今为止能力最强的视觉-语言-动作模型」。

发布会通稿里最显眼的数字是 96%。但真正值得看的,是另外三个数字:33%、43%、99.5%。

六个问题,一个主语。

— 测试

本文看点

01

一、它到底是什么

02

二、谁需要它

03

三、技术上难在哪

01

SECTION

它到底是什么

先划清边界:它不是一台机器人,是一个模型。而且不是给某一种机器人用的。

原生适配的两种平台差别很大:一边是 Apptronik 的 Apollo 2 人形机器人,装五指 22 自由度的 SharpaWave 手;另一边是 Franka Duo,配的是两指平行夹爪。

同一套模型,能驱动一只五指手和一把两指夹爪——这是它区别于「某家公司自研机器人专属大脑」的地方。

它也不是第一个版本。谷歌今年早些时候已经为包括人形在内的多种机器人引入「全身智能」,这次的 2.5 是在那条线上的能力跃升。


02

SECTION

谁需要它

最直接的客户是戴姆勒——不是买模型,是买「能不能在我产线上稳定干活」这件事。

谷歌与 Apptronik、奔驰合作,在匈牙利凯奇凯梅特和德国辛德尔芬根两处正在使用的汽车生产线上部署了 Apollo 2,测试拣选打包汽车零部件。

任务描述很具体:把散料箱里的单个金属支架,按照线路上每台车的精确需求顺序,分拣到规整托盘里。

这是重复、体力消耗大、又必须准确的活。交给机器人,技术人员就能腾出来做复杂装配。

试点成功率 96%。这是目前最硬的一个工业场景数据。

— 成绩单


03

SECTION

技术上难在哪

难点有两层,谷歌这次两层都碰了。

第一层是灵巧度。 200 项测试任务里有几个很说明问题:用夹子分发食物、给礼品盒系蝴蝶结、移液操作液体。

系蝴蝶结和移液,恰好是过去两年机器人最难的两个方向——一个是可变形物体(丝带没有固定形状),一个是精细流体操作(误差以微升计)。能进测试集,说明模型至少在这些方向上啃下了一块。

第二层是安全,也是这次最被低估的部分。 谷歌给模型加了「推理时推理引导机制」,实时规避物理危险。

它的逻辑和给大模型加安全分类器一样:动作在生成之前,先过一遍危险判断。

效果有刻度:在障碍物周边作业,安全任务完成率提升 33%;在人员周边作业,提升 43%。


04

WHY IT MATTERS

为什么现在才有

因为有了 Gemini 4 Argon 这个「研发加速器」。

素材里这段技术含量最高,也最容易被跳过:Argon 可以基于真实相机场景,生成数千个多样化的模拟练习片段,构建高保真数字孪生。

更关键的是第二项能力——Argon 能从视频片段里推演任务失败的原因,然后在仿真和真实机器人上同步测试最优改进方案。

这解决的是机器人行业最贵的一个环节:试错。真机上试一次错,要占产线、要人在场、要有安全隔离;仿真里试一千次错,只要算力。

所以变量不是「模型变聪明了」,是训练成本结构变了。

— 两条线


05

SECTION

谁会先失败

一条明确的淘汰逻辑:把 96% 当成 100% 去卖的公司会先失败。

96% 意味着每 25 次操作错一次。在拣配工位上,一次错可能只是零件掉地上;但在人机协作场景里,一次错就是事故。

这也解释了谷歌为什么花那么大篇幅讲安全,还专门发了个开源基准 ASIMOV-Jailbreak:里面是数百条伪装成危险请求的提示,覆盖数十类场景,用来测模型会不会被「骗」去做危险动作。Gemini 4 Argon 的抵御率是 99.5%,前代 Gemini Robotics ER 2 是 82%。

13.5 个百分点的差距,就是敢不敢让它站在人旁边的差距。

只做动作不做护栏的厂商,会在第一次事故后失去整个客户。

— 对比


06

SECTION

三年后会怎样

一个可证伪的预测:三年内,「安全任务完成率」会变成机器人模型的标配指标,和成功率并列出现在每一份发布材料里。

依据是这次的格式变化。谷歌是第一个把安全指标量化成百分比并写进主通稿的——33%、43%、99.5%。一旦有公司这么做了,其他公司在发布会上不报这三个数,就会显得没有底气。

三个观察指标:

第一,ASIMOV-Jailbreak 这个开源基准会不会被同行采用。用了,说明大家承认这套安全评估框架;不用,说明它只是谷歌的自说自话。

第二,96% 什么时候变成 99%。工业客户能接受的稳定线通常在 99% 以上,96 到 99 这一段最难。

第三,有没有第二家模型公司敢公布「人员周边安全任务完成率」。这个数字一旦成为通用指标,人形机器人进公共场所的审批路径就会清晰很多。


∞

THE END

写在最后

回到第一个问题。

它不是一个更聪明的机器人,是一套开始给自己装刹车的模型。

过去几年行业比的是谁的动作更准;从这次发布开始,比的会是谁的护栏更硬——因为只有后者,才让人敢站到它旁边。

*本文事实与数据综合自 IT 之家 2026 年 11 月 10 日对谷歌 Gemini Robotics 2.5 发布的报道,观点部分为作者判断。*


END

我是 机器人日报。

如果你觉得今天这篇有收获,欢迎点赞、在看、转发三连,我们下篇见。

【声明】内容源于网络
0
0
伺服位
1234
内容 51
粉丝 0
伺服位 1234
总阅读0
粉丝0
内容51