Gemini Robotics 2.5 能分拣汽车零件,工厂能用上多少套?
Google DeepMind 称 Apollo 2 在汽车零件齐套试点中的成功率为 96%。接下来要看整托准确率、交接和作业节拍。
料箱里有两个几乎一样的金属支架。一个该放进下一只托盘,另一个属于不同配置的车型。哪怕拿错零件,也能端端正正地放进格子。机器人把零件稳稳地搬过去,完成了一项有用的工作。工厂需要的是在正确的时间收到一套品类、数量和顺序都正确的零件。
2026 年 11 月 10 日,Google DeepMind 发布 Gemini Robotics 2.5,并表示开始向机器人合作伙伴陆续提供。DeepMind 称,它与 Apptronik 和梅赛德斯-奔驰合作的汽车零件齐套概念验证取得了 96% 的成功率。试验采用 Apptronik 的 Apollo 2 人形机器人,在匈牙利凯奇凯梅特和德国辛德尔芬根正在运行的生产线上进行。DeepMind 的发布公告与工厂演示 · Apptronik 的 Apollo 2 产品介绍
这场演示把通用机器人模型放进了一个具体的工业任务。沿着一只托盘看看它如何完成交接,成功率才有了具体含义。系统能按时交付正确的托盘吗?出了异常,产线人员知道下一步该怎么处理吗?

摄于 2014 年的梅赛德斯-奔驰辛德尔芬根工厂。这张外景照片展示了两个试点之一。摄影 qwesy qwesy,维基共享资源,CC BY 3.0。Telli.sh 调整了图片尺寸。
能抓取零件,离交付一整套还有多远
汽车零件齐套是按装配顺序收集、整理所需部件的工作。按照 DeepMind 的说明,奔驰试点使用了批量供货的料箱和按顺序放置零件的容器。Apollo 2 从料箱抓取金属支架,再放进这些容器。DeepMind 称,Gemini Robotics ER 跟踪作业进度,Gemini Robotics 2.5 控制机器人的双手和手臂。DeepMind 把 Robotics 2.5 称为视觉—语言—动作模型,它根据看到的内容和任务指令来决定实际动作。DeepMind 对工厂概念验证的介绍
汽车零件齐套示意图。图中的交接核验是试点可采用的一条验收规则。Telli.sh 根据 DeepMind 公布的奔驰试点信息绘制。DeepMind 案例与视频
齐套工位连接上游库存和下游装配。如果少了一个支架,或者托盘迟到了,下一个工位的技术人员要能看懂当前状态,并有办法把活做完。单看一次成功抓取,很难了解交接环节会发生什么。哪怕好几件零件都放对了,只要漏了一件,整个托盘仍可能需要返工。
举个例子,假设一个托盘要放三种零件。前两件放对了,第三次摆放在动作上也没有问题,但拿到的是另一种配置的左侧支架。逐次统计时,可能会记录为三次成功放置。按整套验收时,这只托盘需要纠正。这里用简化案例说明差别,奔驰试点并未报告出现了这一错误。
推理模型能起多大作用,也取决于工位如何定义异常。格子空着,可能因为漏放了零件,也可能因为这种配置本来就不需要这件零件。只有任务状态与经批准的生产指令一致,工位才能区分两种情况。公开报告提到机器人会补齐空位,并未交代它怎样与工厂的库存、排序和异常处理系统接通。DeepMind 的工厂概念验证
解读 96% 时,先看什么算作一次成功
DeepMind 在 11 月 10 日的公告中报告了 96% 的成功率。公开材料没有给出试验分母,也没有公布作业耗时或人工干预的明细。这个数字代表参与研究的团队在所述概念验证中报告的结果。工厂要决定是否扩大应用,还得知道有多少合格的套件按时送达,试验又覆盖了哪些生产条件。DeepMind 公布的试点结果
可以看两个假设。如果 96% 指 100 套里有 96 套完整交付,按该试验的定义,有四套需要补救。如果 96% 指单次抓取,整套成功的概率取决于抓取次数,以及失败是否容易同时出现。假设五次抓取相互独立,各有 96% 的成功率,五次全部成功的概率约为 82%。这道算例只用来说明分母怎样改变指标含义,不能用来估计奔驰工位的表现。实际的抓取结果可能相互关联。
时间也会改变比较结果。机器人可以一次完成大部分套件,却可能在少数棘手的情况下停很久。只看平均值,会把影响下游的停顿掩盖掉。可以把典型和偏慢的作业耗时与交付套件数一起看,也可以记录机器人求助时作业是否停下,以及现有流程能否让工位继续工作。
| 后续试点的问题 | 衡量指标 | 关注原因 |
|---|---|---|
| 技术人员收到的是正确零件吗? | 首次交接即验收合格、顺序正确的完整套件数量 | 一次抓取成功不一定能交付可用套件 |
| 工位能跟上产线节拍吗? | 包含慢速情况在内的作业耗时分布 | 长时间等待会影响下一道工序 |
| 异常由谁处理? | 按原因划分的人工干预次数和恢复耗时 | 自动抓取的同时,可能把其他工作转给了人 |
| 条件变化后还能保持结果吗? | 更换经批准的零件或托盘后,继续采集同一组指标 | 一种设置下的可靠表现,只能为另一种设置提供有限参考 |
生产团队可在厂商公布的成功率之外收集这四项指标。评分表是评估建议,未使用奔驰试点的数据。Telli.sh 绘制。
换型试验要看流程中哪一环适应了变化
DeepMind 称,它在约 200 项不同任务中评估了 Gemini Robotics 2.5,自行评估的结果优于以往的基线。任务包括桌面操作和更复杂的物体操控。能处理不同的物体,是通用模型值得研究的一点。生产团队更关心的是,零件组合变了以后,要投入多少工作才能让工位适应。DeepMind 的评估与示例
可以先看工位通常因为什么而变化。供应商可能送来表面处理不同的零件。新年款可能增加外形相近的支架。主管也可能为了给另一个作业单元让地方,调整零件摆放位置。这些变化各自影响不同的作业环节。哪怕最终指标是完整套件数,也值得分别观察识别、抓取和按顺序摆放的表现。
假设经过批准的新容器装的还是同一批零件,只是位置不同。如果需要人工重新教一遍流程,记录由谁负责、花了多长时间。如果机器人无需编写新程序就能适应,测一测试了多少次才恢复原先的准确率和产出。比较时应把更换工装夹具、配置和验收都算进换型工作。通用机器人可能节省的正是这些工时,顺畅的演示视频往往看不到这部分。
从一个工位转到另一类工位,也可以用同样的方法看。机器人能处理熟悉的支架,对齐套作业有实际价值。换成易损部件,验收要求也要重新确定。工装、与部件接触的方式、防污染规则和人员检查损伤的流程都可能变化。要判断能不能迁移,就得记录在下一工位投入了多少额外工作,并检查它是否满足这个工位的要求。
把作业人员的交接也纳入评估
DeepMind 在发布 Robotics 2.5 时也介绍了物理安全指引方面的改进。模型的这些功能可以作为工位评估的一项依据。现场负责人员仍需根据实际设备与环境确定清楚的运行限制,形成书面的停止与恢复流程。这项工作应由工厂安全团队和系统集成商负责。单凭公开的模型评估,无法判断某个部署现场是否已经具备让人员在周边作业的条件。DeepMind 的安全说明
可以通过演练检查作业人员收到的信息。如果托盘在半途停住,操作人员能不能确认哪些格子已经完成,接下来应继续还是把托盘移到一边?清楚的状态、一句简明的原因和明确的上报路径,可以省去后来的人从头排查中断。
让技术人员参与评估有实际价值。他们知道哪些变动常见、哪些缺件下一道工序能处理、哪些需要重排顺序。机器人应提供足够具体的信息,让他们据此作出决定。可以请一名未参与试点设计的技术人员说明:如果系统标记某个套件有异常,他会怎么处理。团队可以据此改进交接。
围绕工厂真正需要的托盘设计下一次试点
- 选择一处范围明确的工作单元和一类零件。 请生产和安全人员说明常规流程、已认可的作业方法,以及为什么要在这里试用机器人。
- 定义一次合格交付。 记录所需零件、托盘格位、顺序和允许的交付时间。以交付的托盘作为追踪单位。
- 记录现有流程的基准。 选取有代表性的时段,测量作业耗时、常见异常以及对下一工位的影响。
- 在获准的变动条件下复测。 用工厂批准的常见库存或排程变化与初始设置比较。每次变化前后使用相同的验收规则。
- 与作业人员和集成商一起看结果。 查清最慢和失败较多的几轮发生了什么,再确定下一次试点要解决哪些问题。
以上步骤适用于已获批准的工业试验。合作伙伴没有公布采用这些步骤的记录。这次概念验证给出了一个有明确实物交付结果的案例。即使一家工厂最终不用这个模型或这款机器人,也可以借这个案例想清楚自己的现场需要测什么。
每轮试验使用一张记录表,能让结果保持可比。写下批准的零件类别、输入条件、预期交付、结果和耗时。需要恢复时,把机器人不可用的时长与人员实际投入的处理时长分开。机器人短暂停一下和下游被拖延很久是两种情况,负责排班的人需要了解两者。
还要划清比较的范围。执行现有工序的人员,可能在同一班次里也负责补料或报告容器标签错误。如果机器人承担抓取,人接过其他任务,齐套仍可以是有价值的应用。把这些工作一并写进去,读者和工厂人员才能看出哪些职责可以由工位承担,哪些仍由人员负责。
下一道工序拿到可用的套件,才算真正交付
奔驰试点公布的结果,为判断可适应不同条件的操作能力是否适用于真实产线提供了一项证据。接下来的决定需要看整条流程。可靠的齐套工位会按时交付正确零件,也会把异常说清楚,让人员能恢复作业。做到这些,其他工厂才能判断演示的成果对自己是否适用。
来源
- Google DeepMind 发布 Gemini Robotics 2.5、试点与视频,2026 年 11 月 10 日
- Apptronik 的 Apollo 2 产品介绍
- qwesy qwesy 拍摄的辛德尔芬根工厂外景
想保存可检索的试点复盘与决策记录,可以创建 Telli.sh 账户。