Het nieuwste VLA-model heeft een succespercentage van 96% behaald in een pilotproject voor autokits met Apptronik en Mercedes-Benz. Google DeepMind introduceerde Gemini Robotics 2.5, waarmee robots volgens het bedrijf sneller kunnen leren voor de praktijk – van alledaagse vaardigheden tot werkzaamheden in de fabriek.
Google DeepMind introduceerde Gemini Robotics 2.5, een AI- model dat volgens het bedrijf is ontworpen om robots te helpen bij het leren en uitvoeren van fysieke taken in realistische omgevingen.
Het bedrijf gaf aan dat de nieuwste versie van zijn vision-language-action (VLA)-model het scala aan taken dat robots kunnen uitvoeren uitbreidt, terwijl tegelijkertijd hun behendigheid, snelheid, betrouwbaarheid en het vermogen om veilig in de buurt van mensen te werken worden verbeterd.
Google DeepMind bracht eerder in augustus 2026 Gemini Robotics 2 uit .
Gemini Robotics 2.5 is gericht op complexere manipulatietaken.
Google gaf aan dat het model is geëvalueerd aan de hand van meer dan 200 verschillende taken, waarbij de succespercentages met 30% tot 100% stegen ten opzichte van eerdere basiswaarden, afhankelijk van de taak. Robots voltooiden taken ook 20% tot 30% sneller.
Google meldde dat een van de meest significante demonstraties de inzet betrof van de humanoïde robot Apollo 2 van Apptronik op de productielijnen van Mercedes-Benz. In een proof-of-conceptproject dat werd uitgevoerd in faciliteiten in Kecskemét (Hongarije) en Sindelfingen (Duitsland), voerde Apollo 2 volgens Google autonoom taken uit voor het samenstellen van auto-onderdelen met een succespercentage van 96%.
Het bedrijf gaf aan dat Gemini Robotics 2.5 is ontworpen om robots te helpen bij het verwerken van een grotere verscheidenheid aan objecten en taken, waaronder activiteiten die nauwkeurige manipulatie , het gebruik van gereedschap en interactie met delicate of flexibele materialen vereisen.
Google DeepMind gaf aan dat de samenwerking met Apptronik en Mercedes-Benz een voorbeeld is van hoe de AI-modellen van Google industriële automatisering kunnen ondersteunen.
Tijdens de proof-of-conceptfase voerden Apollo 2-robots het samenstellen van auto-onderdelen uit. Dit proces houdt in dat individuele componenten uit bulkverpakkingen in georganiseerde trays worden gesorteerd in de volgorde die nodig is voor de assemblage van het voertuig.
De robots haalden metalen auto-onderdelen uit opslagbakken en plaatsten ze in daarvoor bestemde containers. Het systeem corrigeerde ook plaatsingsfouten en paste zich aan veranderingen in de omgeving aan.
"Dit is waarvoor we Apollo hebben ontwikkeld: nuttig werk verrichten naast mensen in echte industriële omgevingen", aldus Jeff Cardenas, medeoprichter en CEO van Apptronik. "Door Apollo 2 te koppelen aan Gemini Robotics zagen we de modellen in slechts enkele weken na de training enorm verbeteren en met minimale afname in de Mercedes-Benz-productie worden ingezet. Dit vormt de basis voor het op grote schaal inzetten van humanoïde robots in industriële en commerciële omgevingen."
Apptronik en GXO hebben aangekondigd dat hun samenwerking wordt uitgebreid , waardoor de uitrol van Apollo humanoïde robots in november 2026 wordt opgeschaald.
Google verbetert de fysieke veiligheid en de training van AI-modellen.
Naast verbeteringen in de manipulatie heeft Google naar eigen zeggen ook het vermogen van Gemini Robotics 2.5 om veilig door fysieke omgevingen te navigeren versterkt .
Het bedrijf gaf aan dat het model gebruikmaakt van redeneerbegeleiding tijdens het afleiden van informatie om robots te helpen fysieke gevaren te herkennen en te vermijden tijdens het uitvoeren van taken. Volgens evaluaties van Google verbeterde de aanpak de veilige voltooiing van taken met 33% rond obstakels en met 43% in de buurt van mensen.
Google gaf aan dat Gemini Robotics 2.5 ook potentiële beveiligingslekken aanpakt die verband houden met door AI aangedreven robots. Het bedrijf introduceerde ASIMOV-Jailbreak, een open-source benchmark met honderden prompts die zijn ontworpen om te testen of AI-systemen vermomde onveilige instructies in verschillende scenario's kunnen herkennen en afwijzen.









