Google DeepMind bemutatta a Gemini Robotics 2.5 vision-language-action (VLA) modellt, amely látást, nyelvi utasításokat és robotmozgásokat kapcsol össze. A saját korábbi referenciáihoz képest állítása szerint 30–100%-kal jobb sikerességet és 20–30%-kal gyorsabb végrehajt