Gemini Robotics 2.5 e l'ingresso nei reparti di montaggio: le promesse e i coni d'ombra
Il 10 novembre 2026 Google DeepMind ha annunciato Gemini Robotics 2.5 tramite un articolo sul proprio blog firmato da Carolina Parada. Il modello, definito dalla società come la propria architettura vision-language-action (VLA) più avanzata, traduce l'input visivo e le istruzioni ricevute in movimenti meccanici. Il rilascio non prevede un'API pubblica né pesi scaricabili, ma la distribuzione graduale ai partner di robotica. L'elenco dei collaboratori mostra tuttavia alcune discrepanze tra le fonti: SiliconANGLE include Agile Robots, Apptronik e Boston Dynamics, mentre The Decoder indica Agile Robots, Apptronik e Mercedes-Benz.
Sul campo, DeepMind descrive un pilota, che definisce proof-of-concept, sulle linee di produzione attive di Mercedes-Benz a Kecskemét, in Ungheria, e Sindelfingen, in Germania. Durante la prova, i robot umanoidi Apollo 2 di Apptronik — equipaggiati con la mano SharpaWave a cinque dita e 22 gradi di libertà — hanno eseguito compiti di kitting, prelevando parti metalliche dai contenitori alla rinfusa e disponendole nei vassoi nell'ordine richiesto dai singoli veicoli. Secondo DeepMind, Gemini Robotics ER ha seguito il flusso di lavoro, mentre Gemini Robotics 2.5 ha controllato mani e braccia. Riguardo alla collaborazione, Jeff Cardenas, cofondatore e CEO di Apptronik, ha dichiarato: «Pairing Apollo 2 with Gemini Robotics, we saw the models improve dramatically in just a few weeks of post-training». Al di fuori del pilota, secondo DeepMind il modello è stato testato su oltre 200 compiti distinti, tra cui manovrare pinze per servire cibo, fare fiocchi su scatole regalo e dosare liquidi con una pipetta.
Sul versante della sicurezza e dell'addestramento, secondo DeepMind, Gemini 4 Argon è stato usato come motore di simulazione per l'addestramento; The Decoder riporta che può generare migliaia di esecuzioni simulate a partire da una scena reale ripresa da una telecamera. Parallelamente, l'azienda ha reso disponibile su Hugging Face il benchmark ASIMOV-Jailbreak, un dataset con licenza cc-by-4.0 e accesso subordinato all'accettazione di specifiche condizioni. Nel README della piattaforma il benchmark viene descritto come una suite di 845 episodi articolata su 15 gruppi di strategie e 41 criteri di valutazione, mentre nel post di presentazione si parla più genericamente di centinaia di prompt. Su questo test Gemini 4 Argon ha registrato una resistenza ai jailbreak del 99,5%, contro l'82% del precedente riferimento Gemini Robotics ER 2. Secondo le misurazioni interne, la guida tramite ragionamento all'inferenza ha inoltre aumentato il completamento sicuro delle operazioni del 33% in presenza di ostacoli e del 43% in prossimità delle persone.
Nonostante l'interesse del passaggio alla fabbrica, i dati forniti vanno letti con cautela. Tutte le prestazioni citate — compresi il 96% di successo nel kitting industriale e i miglioramenti relativi dal 30% al 100% rispetto a linee di base non meglio specificate — provengono da valutazioni condotte da DeepMind senza una verifica indipendente. Non risulta infatti un report tecnico dedicato o una model card specifica per Gemini Robotics 2.5. Inoltre, non sono stati resi noti la durata e il numero di cicli del test industriale, né sono disponibili dichiarazioni dirette di Mercedes-Benz: l'unica voce dei partner è quella del CEO di Apptronik. L'integrazione tra modelli linguistici e manipolazione fisica fa passi avanti, ma la distanza tra una dimostrazione controllata e la totale maturità di processo rimane tutta da misurare.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Ho letto per intero il post ufficiale di DeepMind (data, autrice, numeri, dettagli del pilota, stato di proof-of-concept, accesso riservato ai partner, sicurezza) e la pagina del dataset google/asimov_agentic su Hugging Face (845 episodi, accesso condizionato, licenza). Conferme indipendenti: The Decoder (10/11: stabilimenti, kitting, 96%, ripartizione ER/2.5, ASIMOV) e SiliconANGLE (11/11: 200 compiti, percentuali, partner, citazione di Cardenas). Il contesto 2025 su Mercedes e Apptronik viene da WardsAuto e Autocar. Non erano accessibili le pagine di Apptronik (404), Mercedes-Benz (403) e automate.org (403); ho scartato humanoid.guide perché riprende un post LinkedIn.
- Incertezze
- Tutti i numeri (200 compiti, +30-100%, +20-30% di velocità, 96% nel pilota, +33%/+43% di sicurezza, 99,5% contro 82%) vengono da valutazioni interne di DeepMind, senza verifica indipendente. Del 96% non si conoscono numero di prove, durata del pilota e criteri di successo. Nessuna dichiarazione diretta di Mercedes-Benz: l'unica voce dei partner è il CEO di Apptronik. Le «previous baselines» non sono specificate. L'elenco dei partner cambia tra le testate (Boston Dynamics per SiliconANGLE, Mercedes-Benz per The Decoder). ASIMOV-Jailbreak è descritto come «centinaia di prompt» nel post e 845 episodi nel README; un digest secondario parla di 1.500 prompt (non verificato). Il post lo dice open-source, ma l'accesso richiede di accettare delle condizioni. Il 99,5% riguarda Gemini 4 Argon, non Gemini Robotics 2.5, per cui non esistono model card né report tecnico.
- Perché pubblicarla
- È uno dei primi casi documentati di un modello VLA generalista su linee automobilistiche attive di un grande costruttore, e permette di spiegare la differenza tra un pilota al 96% e un'adozione industriale vera. In più DeepMind pubblica un benchmark di sicurezza fisica che consente a terzi di misurare un tema finora poco esplorato: i jailbreak sui robot.
Fonti / Sources
- Google DeepMind — Gemini Robotics 2.5: Accelerating Physical Intelligence (blog ufficiale)
- Google — dataset ASIMOV (incluso ASIMOV-Jailbreak) su Hugging Face
- The Decoder — Gemini Robotics 2.5 scores 96 percent in a Mercedes-Benz assembly pilot (Maximilian Schreiner)
- SiliconANGLE — Google DeepMind releases new advanced robotics AI model (Kyt Dotson)