谷歌在機器人技術領域的探索再次邁出重要一步，近日宣布推出Gemini Robotics On-Device模型，這一升級版模型標志著谷歌在“視覺語言動作”（VLA）技術上的又一突破。
據谷歌官方介紹，Gemini Robotics On-Device是迄今為止他們最強大的VLA模型，經過深度優化，實現了在機器人設備上的本地運行。這一特性使得該模型能夠在不依賴外部數據網絡的情況下穩定運行，對于延遲敏感的應用場景尤為關鍵，特別是在網絡不穩定或無網絡連接的環境中。
谷歌DeepMind的高級總監兼機器人主管表示，Gemini Robotics On-Device專為雙臂機器人設計，旨在提升機器人在復雜任務中的靈巧性和適應性。這一模型是在今年3月推出的Gemini Robotics基礎上升級而來，通過大數據訓練，機器人能夠執行更加精細的動作。
在一次演示中，谷歌團隊展示了搭載這一本地模型的機器人，它們能夠輕松完成拉開拉鏈、折疊衣物等基本任務，展現了模型在實際應用中的潛力。
谷歌還發布了Gemini Robotics SDK，為開發人員提供了在MuJoCo高級物理模擬器上使用這些模型的平臺。開發人員可以通過向機器人展示50到100個任務演示來訓練它們，進一步提升機器人的任務執行能力。
值得注意的是，與單純的大語言模型相比，機器人AI面臨著更多的挑戰。機器人不僅存在于物理世界中，還會改變其環境，因此安全問題尤為重要。谷歌為保障Gemini Robotics的安全，采用了多層限制的策略。控制機器人的底層VLA模型之上，還有一個上級VLA模型，通過推理模型來判斷指令的安全性，實現了“AI管理AI”的安全機制。
隨著谷歌在機器人技術領域的不斷深耕，越來越多的公司也開始關注這一新賽道。包括Nvidia在內的眾多企業都在秘密研發自己的機器人項目，預示著未來機器人AI領域的競爭將更加激烈。在國內，同樣有眾多企業在這一領域默默耕耘，期待他們在未來的AI大戰中嶄露頭角。
