Google DeepMindは11月9日（米国時間）、視覚・言語の入力をロボットの動作に変換するVLAモデルの新版「Gemini Robotics 2.5」を発表した。トングでの配膳、ギフトボックスへのリボン掛け、ピペットでの液体の分注など200を超える作業で評価し、道具の使用や柔らかい物・壊れやすい物の扱いを強化した。提供はロボティクスパートナー向けに順次始める。
DeepMindによると、成功率は作業の種類に応じて従来比30〜100%上がり、完了までの時間は20〜30%短くなった。前版のGemini Robotics 2との比較では、「トングで菓子パンを箱詰めする」が5%から100%、「工具箱のふたを閉める」が0%から93%、「リボンの蝶結びをほどく」が0%から70%、「カーディガンをハンガーに掛ける」が0%から62%に上がった。実機の検証では、Apptronikの人型ロボット「Apollo 2」が、メルセデス・ベンツのハンガリー・ケチケメート工場とドイツ・ジンデルフィンゲン工場で自動車部品のキッティング（組立前の部品をそろえる作業）を試し、成功率96%を記録した。開発にはGemini 4 Argonをシミュレーションエンジンとして使ったという。
7月30日のGemini Robotics 2は全身制御と5指ハンドでの操作を1つのモデルで扱える点が売りだったが、5本指での精密な操作は依然として難しいとDeepMind自身が認めていた。今回の数字は、まさにその苦手分野の底上げにあたる。0%から伸びた作業には、リボンやカーディガン、ズボンのように形が変わる布製品の扱いが多く含まれる。安全面では、障害物の周囲での安全な作業完了が33%、人の近くでは43%向上したほか、危険な依頼を偽装したプロンプトを集めたオープンソースのベンチマーク「ASIMOV-Jailbreak」を公開した。ジェイルブレイクへの耐性はGemini 4 Argonで99.5%と、前世代のGemini Robotics ER 2の82%から上がった。一方、2の推論モデルER 2がGoogle AI Studioで一般開発者に公開されたのに対し、2.5は発表時点でAPIや一般向けの提供に触れておらず、使えるのはApptronikやAgileなどのパートナーに限られる。
