谷歌DeepMind近期宣布了一项创新成果，推出了一款名为Gemini Robotics On-Device的本地化机器人AI模型。这款模型采用视觉-语言-动作（VLA）架构，实现了无需云端支持即可直接控制实体机器人的能力。
Gemini Robotics On-Device模型的核心特性显著。它能够在机器人设备上独立运行，提供低延迟响应，尤其适用于网络不稳定的环境，如医疗场景。该模型能够完成高精度的操作任务，如拉开包袋拉链、折叠衣物以及系鞋带，展现了其卓越的操作能力。在硬件适配方面，它支持双机械臂设计，并能与ALOHA、Franka FR3及Apollo人形机器人无缝对接。
为了促进开发者的使用与定制，DeepMind提供了Gemini Robotics SDK工具包。开发者仅需通过50至100次的任务演示，便能轻松为机器人添加新功能。该模型还支持MuJoCo物理模拟器测试，为开发者提供了一个虚拟的测试平台，降低了实际测试的成本与风险。
在安全保障方面，Gemini Robotics On-Device模型通过Live API实施语义安全检测，确保机器人动作符合安全规范。同时，底层安全控制器对动作力度与速度进行精细管理，进一步提升了安全性。DeepMind还开放了语义安全基准测试框架，供开发者进行更为深入的安全测试。
项目负责人Carolina Parada表示，Gemini Robotics On-Device模型借鉴了Gemini多模态世界理解能力，能够像Gemini生成文本、代码、图像那样生成机器人动作，为机器人领域带来了全新的可能。目前，该模型仅面向可信测试计划的开发者开放，并基于Gemini 2.0架构开发，尽管这一版本略落后于Gemini的最新版本2.5。
