谷歌DeepMind最近通过官方渠道宣布，推出了一款名为Gemini Robotics On-Device的本地化机器人人工智能模型。这款模型基于视觉-语言-动作（VLA）一体化架构设计，实现了在没有云端支持的情况下对实体机器人的精确操控。
Gemini Robotics On-Device模型的最大创新之处在于其完全本地化运行的特性，这一改变赋予了机器人低延迟响应的能力。尤其在一些网络环境不稳定或要求即时响应的场所，如医疗设施，该模型展现出了巨大的应用潜力。
在操作精度层面，该模型的表现同样令人瞩目。它能够完成诸如拉开包袋拉链、折叠衣物、系鞋带等一系列高精度任务。模型配备的双机械臂设计，目前已适配ALOHA、Franka FR3以及Apollo人形机器人平台，进一步扩展了其应用场景。
为了帮助开发者更轻松地利用这一技术，谷歌提供了全面的Gemini Robotics SDK工具包。开发者仅需通过50至100次的任务演示，即可为机器人定制新功能。系统还支持MuJoCo物理模拟器，允许开发者在部署前进行模拟测试，降低了开发风险。
安全性方面，Gemini Robotics On-Device模型也建立了完善的安全机制。通过Live API进行语义安全检测，确保机器人行为符合规范。同时，底层安全控制器对动作的力度和速度进行精确管理，有效防止了意外伤害的发生。
项目负责人Carolina Parada介绍道：“这款系统充分利用了Gemini的多模态理解能力，就像Gemini能够生成文本、代码和图像一样，现在它也能生成精确的机器人动作，实现了从认知到动作的全面智能化。”
目前，该模型尚处于测试阶段，仅向参与可信测试计划的开发者开放。值得注意的是，这款模型基于Gemini2.0架构开发，与谷歌最新的Gemini2.5版本相比，存在一定的技术差距。
文章采集于互联网