Gemini Robotics 2.5: Det här kan Googles robot-AI och så påverkar den företag

Simon Gütter · 14 november 2026 · Lästid cirka 13 minuter

Omslagsbild ”Gemini Robotics 2.5”: En robothand lägger en croissant i en papperspåse med en orange tång, i bakgrunden en fabrikshall

Kan en robot i en fabrik i full drift plocka metalldelar ur en låda och sortera dem i rätt ordning, utan att någon har programmerat varje enskilt handgrepp i förväg? Det är precis vad Google DeepMind har visat med Gemini Robotics 2.5, som presenterades den 10 november 2026. I ett test i Mercedes-Benz fabriker var andelen lyckade försök 96 procent.1 Jag har tittat på vad som ligger bakom modellen, vad siffrorna betyder och vad av det som redan i dag är relevant för små och medelstora företag.

Kort sagt

Gemini Robotics 2.5 är en AI-modell som styr robotar: Den ser via kameror, förstår instruktioner på vanligt språk och gör om dem till rörelser i armar och händer. Jämfört med föregångaren klarar den enligt Google betydligt fler finmotoriska moment, till exempel att packa bakverk med en tång eller lösa upp en rosett, och arbetar 20 till 30 procent snabbare. Du kan ännu inte köpa eller använda modellen själv, den går tills vidare bara till robotikpartner som Apptronik. Det du redan nu kan prova är planeringsmodellen Gemini Robotics ER 2 i Google AI Studio.1,2

Det viktigaste i siffror

  • 96 % lyckade försök vid sortering av bildelar med den humanoida roboten Apollo 2 i Mercedes fabriker i Kecskemét (Ungern) och Sindelfingen.1
  • 30 till 100 % högre andel lyckade försök än föregångarna, beroende på uppgift, med 20 till 30 % kortare utförandetid.1
  • Över 200 olika uppgifter i testet, från pipettering till servering med tång.1
  • +33 % och +43 % fler uppgifter som utfördes säkert nära hinder respektive nära människor.1
  • 99,5 i stället för 82 % motstånd mot maskerade, farliga instruktioner (Gemini 4 Argon jämfört med Gemini Robotics ER 2).1

Vad är Gemini Robotics 2.5?

Gemini Robotics 2.5 är en så kallad Vision-Language-Action-modell, förkortat VLA-modell. Namnet beskriver arbetssättet: Den får kamerabilder (Vision) och en instruktion i språkform (Language) och ger utifrån dem direkt styrkommandon till motorer (Action).1,3 Klassiska industrirobotar fungerar annorlunda. De följer en fast programmerad bana, och om en del ligger snett i lådan stannar de eller greppar fel. En VLA-modell ska kunna anpassa sig till sådana avvikelser, eftersom den ser scenen och förstår uppgiften.

Google satsar här på ett samspel mellan två modeller. Planeringsmodellen Gemini Robotics ER 2 (ER står för Embodied Reasoning) håller överblicken: Den förstår rummet, delar upp en uppgift i steg, pratar med människor och kontrollerar om ett steg har lyckats. Handlingsmodellen Gemini Robotics 2.5 omsätter de enskilda stegen i rörelser.1,4 För robotar som måste arbeta utan internet eller utan fördröjning finns dessutom en mindre variant som körs direkt på enheten.4

Modell Uppgift Tillgänglighet (per 14.11.2026)
Gemini Robotics 2.5 Handlingsmodell (VLA): styr armar, händer och hela kroppen endast robotikpartner
Gemini Robotics ER 2 Planeringsmodell: förstår rummet, planerar steg, samordnar flera robotar öppen förhandsversion i Google AI Studio och Gemini API, sluten förhandsversion i Gemini Enterprise Agent Platform
Gemini Robotics On-Device 2 liten VLA-modell, körs lokalt på roboten partner med tidig åtkomst
Gemini 4 Argon generell modell, snabbar på robotikforskningen Gemini API (betald), Google AI Ultra

Modellen är inte knuten till någon särskild robot. Google visar den på den humanoida roboten Apollo 2 från Apptronik med en femfingrad hand (SharpaWave, 22 frihetsgrader) och på en Franka Duo-plattform med två enkla tvåfingergripare.1 Redan On-Device-varianten av version 2 kunde enligt Google anpassas till nya robotar med två armar på några timmar, oftast med färre än 200 exempel.4

Vad är nytt jämfört med Gemini Robotics 2?

Gemini Robotics 2 kom i juli 2026 och styr robotar med hela kroppen, från foten till fingertoppen: gå, böja sig och greppa i ett enda flöde.4 Version 2.5 lägger tyngdpunkten på skicklighet och tillförlitlighet. Google nämner tre områden: mer fingerfärdighet, mer pålitliga resultat i verklig drift och högre säkerhet.1

Språnget syns tydligast vid uppgifter med mjuka eller ömtåliga saker. Tyg och band ändrar form vid varje beröring, och bakverk är snabbt söndertryckta. Det hör sedan flera år till det svåraste som finns för robotar. I Googles egna tester ser det ut så här:1

Uppgift Gemini Robotics 2 Gemini Robotics 2.5
Packa bakverk med en tång 5 % 100 %
Lösa upp en presentrosett 0 % 70 %
Hänga upp en kofta 0 % 62 %
Vika byxor 0 % 40 %

Stapeldiagram: Gemini Robotics 2.5 klarar att packa bakverk med tång i 100 i stället för 5 procent av försöken, lösa upp presentrosett i 70 i stället för 0, hänga upp kofta i 62 i stället för 0 och vika byxor i 40 i stället för 0 procent

Använd grafiken på din sida

Du får använda grafiken fritt med källhänvisning. Kopiera den här koden:

<a href="https://simon-traffic.com/sv/blog/ai-och-automatisering/gemini-robotics-robot-ai-for-foretag/"><img src="https://simon-traffic.com/assets/blog/gemini-robotics/gemini-robotics-2-5-erfolgsquote.sv.png" alt="Gemini Robotics 2.5: Andel lyckade försök vid svåra handgrepp" width="1200" height="675"></a>
<p>Källa: <a href="https://simon-traffic.com/sv/blog/ai-och-automatisering/gemini-robotics-robot-ai-for-foretag/">Simon Traffic, Gemini Robotics 2.5</a></p>

Det som slår mig här: Byxorna blir bara prydligt vikta i 40 procent av försöken. För ett tvätteri vore det värdelöst. Intressant är ändå riktningen, för med version 2 låg tre av de här fyra uppgifterna fortfarande på noll. Alla värden kommer från Google självt, oberoende mätningar finns hittills inte.

Praktiktestet hos Mercedes-Benz: Kitting med 96 procent

Den mest spännande delen av tillkännagivandet är för mig inte labbet, utan fabriken. Google DeepMind har tillsammans med Apptronik och Mercedes-Benz satt in humanoida robotar av typen Apollo 2 vid produktionslinjer i drift, i Kecskemét i Ungern och i Sindelfingen.1

Uppgiften heter kitting: Enskilda delar tas ur stora lådor och sorteras i behållare i exakt den ordning som de senare behövs på bandet för ett visst fordon. Det är monotont, fysiskt påfrestande och måste ändå bli rätt. I testet greppade Apollo 2 metallfästen ur förrådslådorna och lade dem i sorteringsbehållarna. Planeringsmodellen ER höll koll på förloppet, handlingsmodellen 2.5 styrde händer och armar och kompenserade för luckor. Resultat: 96 procent lyckade försök.1

Apptronik-chefen Jeff Cardenas säger att modellerna förbättrades kraftigt efter några veckors efterträning och att de kunde överföras till Mercedes produktion med knappt någon prestandaförlust.1

Viktigt för bedömningen: Google talar uttryckligen om ett proof of concept, alltså ett genomförbarhetstest. Något om regelbunden drift nämns inte. 96 procent låter högt, men betyder också att i genomsnitt fyra grepp av 100 inte lyckas. I en linje som går i takt behövs det därför fortfarande människor som ingriper. Ändå är det en annan nivå än de vanliga mässvideorna, eftersom det skedde i en riktig fabrik och inte i en uppstädad labbkuliss.

Gemini 4 Argon: Öva i simulering i stället för bara på den riktiga roboten

Robotar lär sig långsamt, eftersom varje försök i den verkliga världen kostar tid. Ställa upp kameran, låta roboten köra, titta på felen, justera, och det tusentals gånger. Här kommer Gemini 4 Argon in i bilden, Googles generella toppmodell, som i oktober 2026 presenterades även för robotik.5

Enligt Google har Argon kraftigt snabbat på utvecklingen av Gemini Robotics 2.5, och det på tre sätt:1

  1. Digital tvilling: Utifrån en verklig kamerascen bygger Argon en realistisk simulering av samma miljö.
  2. Övningskörningar: I den simuleringen skapar den tusentals varierade körningar. Tillsammans med verkliga demonstrationer lär sig roboten på så vis snabbare att hantera nya scener och föremål.
  3. Felanalys: Argon tittar på videor av misslyckade försök, ställer upp hypoteser om vad som gick fel och testar förbättringar först i simuleringen och sedan på den riktiga roboten.

Hur mycket det ger visar ett exempel från Googles utvecklarblogg. Utifrån ett enda foto av ett bord byggde Argon på egen hand en fysiksimulering, skapade över 4 500 varierade övningskörningar i den och lämnade dem till robotmodellen för efterträning. Därefter steg den riktiga robotens andel lyckade försök från 56 till 75 procent, och tiden per uppgift sjönk från 35 till 24 sekunder.5

I benchmarken ERQA, som testar rumsförståelse i 3D-miljöer, når Argon enligt Google 87 procent och ligger därmed före alla andra toppmodeller.5 För mig är det den egentliga hävstången bakom tillkännagivandet. Om träningen av robotar till stor del sker i simulering minskar tid och kostnad för varje ny uppgift. Och det är just det som till sist avgör om en robot lönar sig i ett företag med många växlande uppgifter.

Säkerhet: Så skyddar Google robotar mot fel och manipulation

En språkmodell som svarar fel är irriterande. En robot som greppar fel kan skada någon. Google nämner två nyheter.1

Säkerhet vid handlingen. Gemini Robotics 2.5 använder under utförandet ett extra tänkestöd som styr den runt faror i realtid, ungefär som säkerhetsfilter hos en chattbot. I Googles tester ledde det till att 33 procent fler uppgifter utfördes säkert när hinder stod i vägen och 43 procent fler när människor fanns i närheten.1 Redan Gemini Robotics ER 2 kan känna igen när någon kommer för nära och stoppa roboten på ett säkert sätt.4

Skydd mot maskerade kommandon. Med ASIMOV-Jailbreak har Google publicerat ett öppet test. Det innehåller hundratals instruktioner som förpackar farliga uppdrag som ofarliga, fördelade på dussintals scener. Gemini 4 Argon motstår 99,5 procent av de här försöken, medan den tidigare jämförelsebasen Gemini Robotics ER 2 låg på 82 procent.1 Testdatasetet finns under licensen CC BY 4.0 på Hugging Face (åtkomst efter godkännande av användarvillkoren). Robotikföretag kan använda det för att testa sina egna system.6

Var står Google jämfört med Tesla, Nvidia och andra?

Den som söker efter AI-robotar hamnar snabbt hos Tesla Optimus eller Atlas från Boston Dynamics. Den viktigaste skillnaden: Google säljer inga egna robotar, utan utvecklar hjärnan som hamnar i andra tillverkares robotar. Apollo 2:s kropp kommer från Apptronik, den femfingrade handen från Sharpa och styrningen från Google DeepMind.1 Boston Dynamics hör också till Googles partner.3 Tesla utvecklar däremot robotar och mjukvara i egen regi, Nvidia levererar egna modeller för humanoida robotar med Isaac GR00T, och tillverkare från Kina som Unitree lanserar billig hårdvara.

För företag är det relevant, eftersom det öppnar två vägar. Antingen köper du senare ett komplett system från en tillverkare eller en robot som kör en modell som Gemini Robotics. Vilken väg som får genomslag är öppet.

Physical AI: Vad betyder det för små och medelstora företag?

Physical AI, på svenska fysisk AI, är just nu ett av de snabbast växande söktemana. Det betyder dock inte att en humanoid robot står i din verkstad i morgon. Min bedömning, som läget är i dag:

På kort sikt ändras ingenting för de flesta företag. Gemini Robotics 2.5 är bara tillgänglig för partner, det finns inget öppet gränssnitt och inget pris. Den som köper en humanoid robot nu får inte den här modellen med på köpet.

På medellång sikt är uppgifter som kitting de första kandidaterna. Det gäller sysslor som upprepas ofta men där delarna inte alltid ligger likadant: plockning, sortering, packning, montering av komponenter. Just där misslyckas klassiska industrirobotar, eftersom miljön är för rörig, och just där sätter Google in stöten. Det återstår dessutom frågor som varje företag måste reda ut innan en sådan robot arbetar bredvid människor: Vem ansvarar om den skadar något eller skadar någon, och hur passar den ihop med säkerhetsnormerna för maskiner?

Det du kan göra redan nu har lite med robotar att göra. En robot med AI behöver, som alla AI-tillämpningar, tydligt beskrivna arbetsflöden. Om du i dag dokumenterar dina handgrepp, ordningsföljder och felfall ordentligt är det grunden för all framtida automatisering, digital eller fysisk. Det är klassisk processoptimering. Var ditt företag står när det gäller AI överlag kan du bedöma på några minuter med AI-mognadstestet. De snabbaste framgångarna ligger för de flesta små företag fortfarande hos digitala arbetsflöden som tidsbokning, förfrågningar och underlag, ofta redan med en AI-agent eller en lokal modell som Nemotron 3.5 Bolt.

Vad du kan prova redan i dag

Helt utan robot kan du redan nu se hur Googles robotik-AI tänker:

  1. Gemini Robotics ER 2 i Google AI Studio. Planeringsmodellen finns där som öppen förhandsversion och tar emot text, bilder, video och ljud. Du laddar till exempel upp ett foto av en hylla eller en arbetsbänk, låter den känna igen föremål och planera och förklara ett förlopp i steg.2
  2. Gemini 4 Argon via Gemini API. Argon finns i den betalda nivån av Gemini API och för prenumeranter på Google AI Ultra.5 I Googles utvecklarblogg hittar du exempelprompter, till exempel hur Argon bygger simuleringar eller styr en robot utan föregående träning.
  3. Väntelista för testare. Google arbetar enligt egna uppgifter med över 100 utvalda testare, från stora automationsföretag till robotikstartups, och tar emot fler intresserade via en väntelista.3
  4. ASIMOV-benchmark. Den som utvecklar robotar själv kan testa sin egen säkerhet med det öppna datasetet.6

Tidslinje: Gemini Robotics från 2025 till i dag

Datum Lansering Nytt
Mars 2025 Gemini Robotics första modellen, Gemini styr robotar
September 2025 Gemini Robotics 1.5 AI-agenter i den fysiska världen, överföring av rörelser mellan robotar
April 2026 Gemini Robotics-ER 1.6 bättre planering och rumsförståelse
Juli 2026 Gemini Robotics 2 styrning av hela kroppen, flera robotar i ett team
Oktober 2026 Gemini 4 Argon för robotik simulering, digitala tvillingar, felanalys
November 2026 Gemini Robotics 2.5 mer skicklighet, fabrikstest hos Mercedes, ASIMOV-Jailbreak

Källa: Google DeepMind.1,4

Slutsats: Ett stort steg, men ännu ingen produkt

Gemini Robotics 2.5 visar att AI-styrda robotar är på väg ut ur labbet. 96 procent vid kitting i en riktig bilfabrik och språnget vid mjuka, ömtåliga föremål är imponerande, även om alla siffror kommer från Google självt. Den egentliga framgången ligger för mig i träningen: Om robotar får en stor del av sin övning i simulering blir varje ny uppgift billigare.

För små och medelstora företag är ämnet i dag fortfarande något att bevaka, inte att köpa. Den som däremot beskriver sina arbetsflöden ordentligt nu och inför digital automatisering är förberedd när fysisk AI blir överkomlig.

Vanliga frågor om Gemini Robotics

Vad är Gemini Robotics?

Gemini Robotics är en modellfamilj från Google DeepMind som styr robotar med AI. Den består av en planeringsmodell (Gemini Robotics ER 2), en handlingsmodell (Gemini Robotics 2.5) och en liten variant för användning direkt på roboten (On-Device 2).3

Kan jag köpa eller använda Gemini Robotics 2.5?

Nej, inte ännu. Gemini Robotics 2.5 distribueras till robotikpartner som Apptronik. Öppet tillgänglig är planeringsmodellen Gemini Robotics ER 2 i Google AI Studio. För tidig åtkomst finns en väntelista.1,3

Vad är en VLA-modell?

VLA står för Vision, Language, Action. En sådan modell får kamerabilder och en instruktion i språkform och skapar utifrån dem direkt rörelsekommandon för en robot. Den behöver alltså inte programmeras för varje enskilt handgrepp.1

Vad är skillnaden mellan Physical AI och Embodied AI?

Båda begreppen avser AI som inte bara bearbetar text eller bilder utan agerar i den fysiska världen, till exempel i en robot. Embodied AI betonar kroppen, alltså att AI:n uppfattar via sensorer och agerar via motorer. Embodied AI kommer snarare från forskningen, Physical AI är det gängse begreppet i branschen och på marknaden. I praktiken menar båda oftast samma sak.

Med vilka robotar fungerar Gemini Robotics 2.5?

Google visar den på den humanoida roboten Apollo 2 från Apptronik och på Franka Duo-plattformen med två gripararmar. Modellfamiljen är utformad för att fungera med många robottyper. Partner är bland andra Apptronik, Agile Robots och Boston Dynamics.1,3

Arbetar humanoida robotar nu i produktionen hos Mercedes-Benz?

Inte i regelbunden drift. Användningen av Apollo 2 i Kecskemét och Sindelfingen var ett genomförbarhetstest vid linjer i drift, där robotarna sorterade delar med 96 procent lyckade försök.1

När kommer AI-robotar till små företag?

Det finns inget datum. Google nämner varken pris eller datum för bred tillgänglighet.1 Först torde stora industriföretag och logistikaktörer dra nytta, vid uppgifter som kitting och plockning. För mindre företag lönar det sig tills vidare att dokumentera arbetsflöden och införa digital automatisering.

Vad är Gemini 4 Argon?

Gemini 4 Argon är Googles generella toppmodell. Inom robotik bygger den simuleringar och digitala tvillingar utifrån kamerabilder, skapar övningskörningar och analyserar fel. Den finns tillgänglig via den betalda Gemini API och Google AI Ultra.5

Citeringsförslag

Gütter, Simon (2026): Gemini Robotics 2.5: Det här kan Googles robot-AI och så påverkar den företag. Simon Traffic, 14 november 2026. https://simon-traffic.com/sv/blog/ai-och-automatisering/gemini-robotics-3/

Källor

  1. Google DeepMind: Gemini Robotics 2.5 accelerates real-world general dexterity, 10.11.2026.
  2. Google DeepMind: Gemini Robotics ER 2, modellsida, hämtad 14.11.2026.
  3. Google DeepMind: Gemini Robotics, översikt och partner, hämtad 14.11.2026.
  4. Google DeepMind: Gemini Robotics 2 brings whole body intelligence to robots, 30.07.2026.
  5. Google Developers Blog: Gemini 4 Argon for Robotics, 13.10.2026.
  6. Google på Hugging Face: ASIMOV Agentic Safety Evaluation inklusive ASIMOV-Jailbreak, licens CC BY 4.0, hämtad 14.11.2026.

Alla prestandavärden är tillverkaruppgifter från Google DeepMind. Per: 14 november 2026.