گوگل دیپ‌مایند در 10 نوامبر 2026 از Gemini Robotics 2.5 رونمایی کرد. این نسخه ارتقایافته، مدلی از نوع بینایی-زبان-کنش (VLA) است که ویدئوی زنده و فرمان‌های متنی را به حرکت ربات تبدیل می‌کند. دیپ‌مایند می‌گوید نسخه جدید از عهده کارهای ظریف‌تری برمی‌آید، سریع‌تر عمل می‌کند و قابلیتی برای هدایت ایمن دارد که با ظاهرشدن موانع، ربات را متوقف می‌کند. در یک طرح آزمایشی با ربات انسان‌نمای Apollo 2 شرکت Apptronik، این سامانه قطعات خودرو را در خطوط تولید Mercedes‑Benz در مجارستان و آلمان دسته‌بندی کرد و به نرخ موفقیت 96% رسید.
چه چیزهایی در Gemini Robotics 2.5 تازه است؟
این مدل روی بیش از 200 کار متمایز آزمایش شد؛ از سرو غذا با انبر گرفته تا بستن پاپیون و پیپت‌کردن مایعات. دیپ‌مایند می‌گوید نرخ موفقیت مدل در مقایسه با نسخه قبلی 30%‑100% بیشتر است و در محیط آزمایشگاهی 20%‑30% سریع‌تر عمل می‌کند. در یکی از نمایش‌های قابل‌توجه، ربات Apollo 2 با دست پنج‌انگشتی خود پاپیون بست؛ کاری دشوار، چون روبان‌ها به‌آسانی تغییر شکل می‌دهند. بهبودهای ایمنی بر استدلال هنگام اجرا تکیه دارند تا ربات را از موانع دور نگه دارند؛ این شرکت هنگام حضور موانع، افزایش 33% در انجام ایمن کارها و در نزدیکی افراد، افزایش 43% را اندازه‌گیری کرد.
معیار سنجش ایمنی متن‌باز
دیپ‌مایند برای ارتقای استانداردهای صنعت، ASIMOV‑Jailbreak را منتشر کرد؛ مجموعه‌ای متن‌باز شامل 1,500 فرمان که برای فریب‌دادن ربات‌ها و واداشتن آن‌ها به انجام کارهای ناایمن طراحی شده است. در آزمایش‌های داخلی، Gemini 2.5 در این معیار امتیاز مقاومت 98.8% گرفت؛ بسیار بالاتر از امتیاز 73.5% مدل قبلی Gemini ER 2. مجموعه‌داده کامل در Hugging Face قرار دارد و در دسترس همه فعالان هوش مصنوعی تجسم‌یافته است.
چرا مهم است
برای کارخانه‌ها، افزایش اطمینان‌پذیری می‌تواند زمینه را برای سپردن کارهای تکراری و پرفشار به ربات‌ها فراهم کند و به تکنسین‌های انسانی فرصت دهد روی کارهای پیچیده‌تر تمرکز کنند. معیار ایمنی متن‌باز راهی در اختیار توسعه‌دهندگان می‌گذارد تا بسنجند و بهبود دهند که ربات‌ها چطور از انجام کارهای خطرناک دوری می‌کنند؛ موضوعی ضروری پیش از آنکه ربات‌ها از آزمایشگاه‌های کنترل‌شده پا به فضاهای روزمره بگذارند.
