The Pulse

Google: Gemini Robotics 2.5 aumenta il tasso di successo nei compiti dal 30% al 100% rispetto ai benchmark precedenti

Google DeepMind ha presentato Gemini Robotics 2.5, un modello visione-linguaggio-azione che, secondo l’azienda, esegue più compiti e apprende abilità più rapidamente. L’azienda ha riferito di aver registrato un maggiore successo nei compiti

AI.info Team · Scritto con l’IA · verificato · 2026-11-10

Una gamma più ampia di abilità per i robot

Google DeepMind ha presentato Gemini Robotics 2.5 il 10 novembre 2026, descrivendolo come il suo modello visione-linguaggio-azione più avanzato fino a oggi. L’azienda afferma che il modello amplia la gamma di abilità che i robot possono apprendere e aumenta la velocità con cui le acquisiscono, con l’obiettivo di supportare il lavoro in ambienti reali meno strutturati.

Google DeepMind afferma di aver valutato il modello per ampiezza, prestazioni e complessità dei compiti su oltre 200 attività distinte, tra cui servire cibo con le pinze, fare un fiocco e prelevare liquidi con una pipetta. In queste valutazioni, Gemini Robotics 2.5 ha ottenuto tassi di successo dal 30% al 100% superiori ai benchmark precedenti, a seconda del compito, e ha completato le attività dal 20% al 30% più rapidamente, ha dichiarato l’azienda. Secondo Google DeepMind, il modello funziona con diversi tipi di robot, tra cui l’umanoide Apollo 2 di Apptronik e la piattaforma Franka Duo.

Una prova di fattibilità in fabbrica

Google DeepMind ha collaborato con Apptronik e Mercedes-Benz per testare Apollo 2 su linee di produzione automobilistica operative a Kecskemét, in Ungheria, e a Sindelfingen, in Germania. Nella prova di fattibilità, Apollo 2 ha smistato autonomamente i componenti da contenitori alla rinfusa a vassoi, nella sequenza richiesta per ciascun veicolo sulla linea.

Il robot ha usato Gemini Robotics ER per monitorare il flusso di lavoro e Gemini Robotics 2.5 per controllare braccia e mani, prelevando staffe metalliche e collocandole nei contenitori, correggendo eventuali spazi vuoti. Google DeepMind ha riferito un tasso di successo del 96% per il progetto pilota e lo ha descritto come un passo avanti verso un impiego industriale più ampio. Jeff Cardenas, cofondatore e amministratore delegato di Apptronik, ha dichiarato che i modelli sono migliorati notevolmente in poche settimane di post-addestramento e che le loro prestazioni si sono mantenute nella produzione di Mercedes-Benz, con un calo minimo.

Test di sicurezza e controllabilità

Google DeepMind afferma che Gemini Robotics 2.5 usa un sistema di guida durante l’inferenza per evitare i pericoli fisici, aumentando nelle sue valutazioni il completamento sicuro dei compiti del 33% in presenza di ostacoli e del 43% in prossimità di persone. L’azienda sta inoltre rilasciando ASIMOV-Jailbreak, un benchmark open source con centinaia di prompt che mascherano richieste non sicure in decine di scenari.

Gemini 4 Argon ha raggiunto una resistenza ai jailbreak del 99,5% nella valutazione dell’azienda, rispetto all’82% del precedente benchmark di riferimento, Gemini Robotics ER 2. L’azienda afferma che Argon è in testa nelle sue valutazioni di robotica agentica per il rifiuto di compiti non sicuri, la risoluzione delle incertezze e il lavoro in prossimità di persone.

Il ruolo di Argon nello sviluppo

Google DeepMind afferma che Gemini 4 Argon ha contribuito allo sviluppo di Gemini Robotics 2.5 fungendo da motore di simulazione per la ricerca robotica. Argon può generare migliaia di sessioni di esercitazione simulate a partire da una scena reale ripresa da una telecamera e costruire un gemello digitale, ha dichiarato l’azienda.

Google DeepMind afferma che le simulazioni possono essere combinate con dimostrazioni reali di addestramento per aiutare i robot a generalizzare a nuove scene e nuovi oggetti. L’azienda afferma inoltre che Argon può aiutare i ricercatori a esaminare, attraverso i video, i fallimenti nell’esecuzione dei compiti e a testare potenziali miglioramenti sia in simulazione sia su robot reali.