Google具身RSI新成果來了！
就在剛剛，GoogleDeepMind正式發佈新一代機器人模型Gemini Robotics 2.5。
劃重點，這也是Google首個借助Gemini 4 Argon加速研發、具備自主改進能力的機器人基礎模型。
瞧！疊衣服、端糕點、擺弄蝴蝶結，主打一個手巧活兒細，上百種日常技能直接拿捏——
甚至呢，人家還直接殺進奔馳工廠當起了「零配件打工人」，分揀汽車零件成功率甚至高達96%？？
GoogleDeepMind研究員Norman Di Palo驕傲透露：這也是俺們家機器人RSI的最新成果哈～
Gemini 4 Argon能照著真實場景搭建虛擬訓練場，讓機器人在裡面反覆練手試錯，自己分析失敗原因學會改進！
能幹上百種活，腦子靈，還懂RSI，這模型好像確實有點東西啊。。。
01. 200種任務全面升級，成功率從5%幹到100%！
我們先來嘮嘮這新模型到底是個啥東西～
Gemini Robotics 2.5是一款VLA模型，也就是視覺—語言—動作模型。
而相比上一代Gemini Robotics 2，Google這回重點給新一代模型補了三門課——
- 靈巧性 能完成更多複雜任務，從使用日常工具到精細操作柔性物體，動作更靈活、成功率更高。
- 可靠性：在奔馳真實產線測試中，幫助Apollo 2人形機器人分揀汽車零件，成功率達96%。
- 安全性：增強物理避險能力，並引入新基準，測試機器人抵禦惡意指令和越獄攻擊的能力。
當然了，光能力上提升了沒用，咱們還是得拿實際成績說話～
事實上，Google這次直接安排了200種不同任務，從日常家務到精細操作，給新模型來了場技能大考。
值得一提的是，新模型相較此前基線，任務成功率提高30%—100%，完成速度也提升了20%—30%。
我們先來說說最有看頭的——靈！巧！操！作！
這活兒聽著簡單，但實際對力度要求相當高，夾輕了拿不起來，夾重了又容易把食物捏變形。
在對比測試中，Gemini Robotics 2執行這一任務的成功率只有5%，但升級到2.5版本後直接幹到了100%。
話不多說，直接上才藝，取夾子、夾蛋糕、把蛋糕裝到盒子裡，幾個動作一氣呵成，be like：
咱再來看看更考驗「手指操作」的任務，就比如拆開系好的蝴蝶結。
這個任務的難度在於，機器人需要先識別絲帶的交叉關係，再找到正確位置，配合手指動作將其解開！！
值得一提的是，此前模型在這任務上的成功率為0%，Gemini Robotics 2.5直接幹到70%：
還有更親民的——
掛開衫，成功率從0%提升至62%；折褲子，從0%提升至40%。
別看這些操作平平無奇，實際上，衣服、絲帶這類柔性物體，一直都是機器人操作中的硬骨頭。
特別是衣物、絲帶等柔性物體，會隨著抓取和拉扯不斷改變形狀，機器人既要看清物體狀態，還得即時調整動作：
不過，Google顯然還不滿足於讓機器人在實驗室裡秀才藝，這回，直接給機器人安排進廠打工了！
而且打工地點還有點排面：奔馳汽車工廠。
測試分別在德國辛德芬根和匈牙利凱奇凱梅特的奔馳生產設施展開。
負責上崗的，是Apptronik旗下的Apollo 2人形機器人，配備22自由度五指靈巧手。
這回它的工作，可比夾糕點硬核多了：汽車零部件配套分揀！！
為此，Google還給Apollo 2安排了套「腦手分工」——
Gemini Robotics ER負責理解任務、規劃流程，Gemini Robotics 2.5負責指揮雙手，把活兒真正幹出來。
最終，在這次真實產線概念驗證中，Apollo 2交出了96%的任務成功率。
02. 由Gemini 4 Argon打造，機器人也捲起RSI了
問題來了嗷，看到這裡，可能有友友要問了——
這平時老跟不上趟的老Google，這回咋就讓機器人進步這麼快的啊？？？
答案，全藏在幕後功臣Gemini 4 Argon與RSI（遞迴自我改進）身上。
咱都知道，以往具身智能研發最卡脖子的，就是那些又髒又累、還特別燒錢的活兒：
資料得一條條采、質量得一點點查，機器人翻車了，還得工程師反覆看錄影、找原因、調參數……
然而這一次，Gemini 4 Argon直接下場——
接管並加速了模型開發的全！鏈！路！
簡單來說就是用更強的AI，去一條龍包辦、調教並升級下一代機器人AI。
方法也很直給，先讓機器人在虛擬世界裡哐哐練！！！
根據Google10月公佈的研究案例，Argon甚至可以從一張真實桌面的RGB照片出發，自主重建物理模擬環境。
桌上有什麼、物體多大、擺在那裡，統統識別出來，再照著現實搭建一個數字孿生訓練場。
更有意思的是，Argon還會自己出題，它會改變物品的位置和擺放方式，讓機器人在不同條件下反覆練習。
甚至機器人執行動作失敗後，Argon還可以分析視訊，推測任務失敗的原因，再提出改進方案～
相當於給機器人配了一位能建立訓練場、設計練習題，還能陪著復盤的AI教練。
Google甚至還把Argon的能力用到了「機器人安全」上。
這次發佈的Gemini Robotics 2.5，可以利用推理階段的安全引導，即時避開物理危險。
在Google評估中，面對障礙物時的安全任務完成表現提升33%，在人類附近操作時提升43%。
咱來看下面這個例子，機器人正埋頭幹活呢，突然有人把手伸進操作區域，它也能及時識別、停下動作，避免誤傷:
不僅如此，針對機器人被惡意提示詞誘導執行危險操作的問題，Google還推出了開放測試基準ASIMOV-Jailbreak。
其中包含大量經過偽裝的危險指令，專門測試機器人模型能否識別和拒絕。
結果在這項基準測試中Gemini 4 Argon的越獄抵抗率達到99.5%，而此前Gemini Robotics ER 2基線才為82%。
這也說明了Argon在指定測試集上表現出更強的危險指令識別能力～
用更強的AI，去訓練、調教、升級下一代機器人AI。
雖然距離完全自主閉環的RSI還有距離，但這套玩法確實也讓我們看到了機器人的自我改進有了更具體的實現路徑。
問題來了哈，既然Argon都跑去給機器人打工了。。。
那剛剛發佈的Gemini 4 Carbon，又要被老Google安排去幹什麼大活兒捏？？？ (量子位)