谷歌DeepMind近期宣布了一項創(chuàng)新成果，推出了一款名為Gemini Robotics On-Device的本地化機器人AI模型。這款模型采用視覺-語言-動作（VLA）架構(gòu)，實現(xiàn)了無需云端支持即可直接控制實體機器人的能力。

Gemini Robotics On-Device模型的核心特性顯著。它能夠在機器人設(shè)備上獨立運行，提供低延遲響應(yīng)，尤其適用于網(wǎng)絡(luò)不穩(wěn)定的環(huán)境，如醫(yī)療場景。該模型能夠完成高精度的操作任務(wù)，如拉開包袋拉鏈、折疊衣物以及系鞋帶，展現(xiàn)了其卓越的操作能力。在硬件適配方面，它支持雙機械臂設(shè)計，并能與ALOHA、Franka FR3及Apollo人形機器人無縫對接。

為了促進開發(fā)者的使用與定制，DeepMind提供了Gemini Robotics SDK工具包。開發(fā)者僅需通過50至100次的任務(wù)演示，便能輕松為機器人添加新功能。該模型還支持MuJoCo物理模擬器測試，為開發(fā)者提供了一個虛擬的測試平臺，降低了實際測試的成本與風險。

在安全保障方面，Gemini Robotics On-Device模型通過Live API實施語義安全檢測，確保機器人動作符合安全規(guī)范。同時，底層安全控制器對動作力度與速度進行精細管理，進一步提升了安全性。DeepMind還開放了語義安全基準測試框架，供開發(fā)者進行更為深入的安全測試。

項目負責人Carolina Parada表示，Gemini Robotics On-Device模型借鑒了Gemini多模態(tài)世界理解能力，能夠像Gemini生成文本、代碼、圖像那樣生成機器人動作，為機器人領(lǐng)域帶來了全新的可能。目前，該模型僅面向可信測試計劃的開發(fā)者開放，并基于Gemini 2.0架構(gòu)開發(fā)，盡管這一版本略落后于Gemini的最新版本2.5。