DeepMind 正式发布 Gemini Robotics 2.5,这款面向工业场景的机器人模型已经落地奔驰工厂开展分拣试点,在对应分拣任务当中拿到了 96% 的高成功率,代表谷歌 DeepMind 的具身智能模型从实验室演示走向真实汽车制造产线,它能够依靠视觉自主识别物料、调整抓取姿态,不用针对每一类物品单独编写大量固定代码,给工业机器人柔性分拣提供了一套新的 AI 方案。
为什么 Gemini Robotics 2.5 会选择奔驰工厂做试点
传统工厂分拣机器人大多是 “一物一程序”,物料稍微换样子、摆放位置偏移一点就容易出错,改程序成本很高。
- Gemini Robotics 2.5 的强项:依托多模态能力,靠视觉理解物体,适配不规则摆放、品类多变的物料;
- 奔驰工厂场景价值:汽车零部件种类多、形态差异大,是非常考验柔性抓取能力的典型工业环境;
- 验证真实工况:脱离实验室理想光照、规整摆放环境,在产线噪声、光线波动下检验模型稳定性;
- 打通落地链路:和车企、工业自动化团队配合,验证这套模型能不能集成进现有工业机器人控制系统。
这次试点,也是 DeepMind 向外证明,具身智能不只是家用机器人概念,完全可以服务高端制造业。
Gemini Robotics 2.5 在奔驰工厂的工作流程
整套分拣任务形成一条完整闭环,步骤清晰。
- ① 相机采集画面,Gemini Robotics 2.5 识别目标零部件,判断位置、角度;
- ② 模型自主规划抓取点位,输出动作指令给机械臂;
- ③ 机械臂执行抓取,抓取过程中实时微调姿态;
- ④ 完成分拣放置,系统记录本次任务结果;
- ⑤ 如果抓取失败,模型会复盘视觉信息,自动调整策略尝试下一次操作。
整套流程不需要工程师提前给每一个零件标注精细模板,新物料接入时调试工作量会明显变少。
这件事带来的行业影响
如果后续持续打磨,Gemini Robotics 2.5 这类柔性机器人模型会降低工业产线的自动化改造门槛。以往中小企业想要自动化分拣,高昂的定制开发费用让人望而却步;基于通用具身模型,产线切换物料的速度可以大幅提升。当然,当前还只是试点阶段,想要大规模铺开,还要解决长时间连续运行稳定性、不同产线快速迁移、安全合规等一系列问题。
【常见问题】
问题 1:Gemini Robotics 2.5 在奔驰工厂拿到 96% 的分拣成功率,是不是意味着已经可以直接替换全部人工分拣?
回答 1:Gemini Robotics 2.5 在奔驰工厂试点取得 96% 的分拣成功率,只是特定物料、特定工况下的测试结果,还处在试点验证阶段,暂时还没办法直接替换工厂全部人工分拣岗位。
问题 2:Gemini Robotics 2.5 和普通工业分拣机器人最大差别是什么?
回答 2:普通工业分拣机器人高度依赖预编程和模板匹配,而 Gemini Robotics 2.5 依靠多模态具身智能自主识别、规划抓取,面对摆放杂乱、陌生零部件拥有更强的柔性适应能力。
问题 3:除了奔驰工厂分拣任务之外,Gemini Robotics 2.5 还能用到哪些场景?
回答 3:Gemini Robotics 2.5 主打柔性视觉抓取,除奔驰工厂这类汽车零部件分拣之外,理论上还可以拓展到仓储拣选、电子元器件装配等需要多变抓取的工业场景,具体落地要看后续适配开发。
【参考资料】
[2026-11-11](DeepMind 发布 Gemini Robotics 2.5,奔驰工厂试点分拣成功率 96%)AI 前线
[2026-11-11](Gemini Robotics 2.5 落地奔驰产线,具身智能工业试点再进一步)机器之心快讯
【免责声明】
本内容仅为产业资讯科普,不构成自动化改造、设备采购以及投资相关建议;Gemini Robotics 2.5 的试点效果、落地计划、支持品类以 DeepMind 和奔驰官方公告为准;96% 分拣成功率限定于本次试点指定工况,不能代表所有工业场景下的表现,工业自动化落地还需要配套安全、可靠性验证。
