شرکت Google DeepMind در ۱۰ نوامبر ۲۰۲۶ گفت Gemini Robotics 2.5 را معرفی می‌کند و آن را تواناترین مدل بینایی‌ـ‌زبان‌ـ‌اقدام خود تا امروز خواند. نوشته رسمی با امضای Carolina Parada است. او نوشت این مدل هم دامنه مهارت‌هایی را که یک ربات می‌تواند بیاموزد افزایش می‌دهد و هم سرعت آموختن آن‌ها را، با پیشرفت در چیره‌دستی، قابلیت اطمینان و ایمنی تا ربات‌ها از آزمایشگاه به محیط‌های کاری کم‌ساختارتر بروند.
DeepMind گفت مدل را در بیش از ۲۰۰ وظیفه متمایز سنجیده است، از جمله به‌کاربردن ابزارهای روزمره، بستن پاپیون روی جعبه هدیه و برداشتن مایع با پیپت. نسبت به خط‌پایه‌های قبلی، شرکت نرخ موفقیت را بسته به نوع وظیفه ۳۰ تا ۱۰۰ درصد بالاتر گزارش کرد و گفت ربات‌ها کارها را ۲۰ تا ۳۰ درصد سریع‌تر تمام کردند. مانند مدل‌های پیشین Gemini Robotics، گفت سامانه با انواع ربات کار می‌کند، از جمله انسان‌نمای Apollo 2 شرکت Apptronik که از دست پنج‌انگشتی SharpaWave با ۲۲ درجه آزادی استفاده می‌کند و سکوی Franka Duo با گیره‌های دوانگشتی.
مشخص‌ترین ادعای دنیای واقعی، یک آزمون مفهومی با Apptronik و Mercedes-Benz در خط‌های فعال خودروسازی Kecskemét در مجارستان و Sindelfingen در آلمان است. DeepMind گفت Apollo 2 از مدل استدلال بدنمند Gemini Robotics ER برای دنبال کردن جریان کار و از Gemini Robotics 2.5 برای مهار دست‌ها و بازوها استفاده کرد تا براکت‌های فلزی را از مخزن بردارد و در سینی‌های توالی بگذارد. شرکت نرخ موفقیت ۹۶ درصد را برای آن کار آماده‌سازی قطعات گزارش کرد. Jeff Cardenas، هم‌بنیان‌گذار و مدیرعامل Apptronik، نقل شده که مدل‌ها در چند هفته آموزش تکمیلی به‌شدت بهتر شدند و با افت بسیار اندک به تولید Mercedes-Benz منتقل شدند.
در ایمنی، DeepMind گفت Gemini Robotics 2.5 از راهنمایی استدلال هنگام استنباط بهره می‌برد تا حین کار از خطرهای فیزیکی دور بماند. در ارزیابی‌های شرکت، این قابلیت تکمیل ایمن وظیفه را کنار مانع‌ها ۳۳ درصد و کنار افراد نزدیک ۴۳ درصد افزایش داد. شرکت همچنین گفت Gemini 4 Argon اکنون در ارزیابی‌های ربات عاملی‌اش در رد وظایف ناایمن، رفع ابهام و کار در نزدیکی انسان جلو است. برای آزمودن مقاومت در برابر دستورهای خصمانه، معیار باز ASIMOV-Jailbreak را منتشر می‌کند که صدها درخواست را در ده‌ها صحنه به‌صورت ناایمنِ پنهان‌شده در بر دارد. DeepMind گفت Argon به مقاومت ۹۹٫۵ درصد رسیده، در برابر ۸۲ درصد خط‌پایه قبلی یعنی Gemini Robotics ER 2.
نوشته Gemini 4 Argon را شتاب‌دهنده خود پژوهش رباتیک هم توصیف کرد. DeepMind گفت Argon می‌تواند از یک صحنه واقعی دوربین هزاران تمرین شبیه‌سازی‌شده گوناگون بسازد، به ساخت همزاد دیجیتال کمک کند و به پژوهشگران کمک کند از روی ویدئو علت شکست را حدس بزنند و بهبودها را در شبیه‌سازی و روی ربات واقعی بیازمایند. به گفته شرکت، این حلقه همراه نمایش‌های واقعی به ربات کمک می‌کند سریع‌تر به صحنه‌ها و اشیای تازه تعمیم یابد.
Gemini Robotics 2.5 در حال عرضه به شرکای رباتیک DeepMind است. سپاسگزاری‌ها از شریکانی از جمله Agile و Apptronik و Mercedes-Benz یاد می‌کند. درصدهای عملکرد، رقم ۹۶ درصد کارخانه و نرخ مقاومت در برابر دستور خصمانه نتیجه اعلام‌شده DeepMind از ارزیابی‌ها و یک آزمون مفهومی با شرکاست؛ این گزارش آن آزمون‌ها را به‌طور مستقل زمان‌سنجی یا نمره‌دهی نکرد. باید کار کارخانه را آزمایشی روی یک وظیفه مشخص آماده‌سازی قطعات دانست، نه مدرکی بر اینکه ربات‌های انسان‌نما برای کف کارخانه بدون محدودیت آماده‌اند.