🚀 Gemini Robotics 2.5 показала 96% успеха на конвейере Mercedes-Benz Google DeepMind представила Gemini Robotics 2.5 — новую vision-language-action модель для роботов. По данным Google DeepMind, её протестировали на 200 задачах: от подачи еды щипцами до пипетирования жидкости. Доля успешных выполнений выросла на 30–100% в зависимости от типа задачи, а скорость выросла на 20–30%. Это уже не лабораторная демонстрация: модель работает с гуманоидом Apptronik Apollo 2 и платформой Franka Duo. Ключевой тест — пилот на заводах Mercedes-Benz в Кечкемете и Зиндельфингене. Apollo 2 выполнял комплектацию: доставал металлические кронштейны из ящиков и раскладывал по лоткам в нужной последовательности. Успех — 96%. Монотонная работа, которую снимают с техников. Но это одна конкретная задача на двух точках, а не серийное производство. Главный сдвиг, на мой взгляд, — безопасность. Gemini Robotics 2.5 использует направление рассуждений во время инференса, чтобы огибать препятствия в реальном времени: +33% к успешному завершению задач рядом с препятствиями и +43% рядом с людьми. Для проверки джейлбрейков выпустили открытый бенчмарк ASIMOV-Jailbreak: сотни замаскированных опасных запросов в десятках сцен. Gemini 4 Argon держит 99.5% устойчивости против 82% у предыдущего Gemini Robotics ER 2. Впервые безопасность роботов стала измеримой метрикой, а не обещанием. Ускорил разработку Gemini 4 Argon — он работает как симуляционный движок. Из одной реальной сцены генерирует тысячи вариаций для обучения, строит цифрового двойника и помогает разбирать причины ошибок по видео. Это снимает главное узкое место робототехники: нехватку физических демонстраций. → 96% успешных выполнений при комплектации с Apollo 2 на линии Mercedes-Benz → на 30–100% выше доля успешных выполнений и на 20–30% выше скорость по 200 задачам → +33% безопасных завершений у препятствий, +43% у людей → ASIMOV-Jailbreak: 99.5% у Argon против 82% у ER 2 Пилот на двух заводах с одной задачей — это демонстрация, а не промышленная эксплуатация. Реальный барьер не ловкость, а цена ошибки: 4% неудач на конвейере могут стоить остановки линии, и DeepMind не назвала ни время цикла, ни процент вмешательства оператора. Зато открытый бенчмарк для джейлбрейков роботов — первый сигнал, что следующим после моделей будут проверять безопасность отказов, а не только процент успеха. #GeminiRobotics #DeepMind #робототехника #ASIMOVJailbreak