💡 站外导读：当机器人必须依赖云端才能思考，网络延迟和连接中断便是致命瓶颈。谷歌DeepMind推出的Gemini Robotics On-Device，作为首个可在机器人本地运行的视觉-语言-动作模型，彻底打破了这一枷锁。它不仅能完全离线执行精细任务，更以惊人的样本效率——仅需50到100个演示就能学会新技能，为具身智能的规模化落地扫清了关键障碍。

Gemini Robotics On-Device是谷歌DeepMind推出的首个可在机器人本地运行的视觉-语言-动作（VLA）模型。模型具备强大的离线操作能力，能遵循自然语言指令完成精细任务，如拉开袋子、叠衣服等。模型支持多种机器人本体部署，响应延迟低，适合对延迟敏感的应用。Gemini Robotics On-Device具备快速适应新任务的能力，仅需50到100个演示样本即可学会新动作，展现出强大的泛化性能。谷歌推出Gemini Robotics SDK，助力开发者评估和部署模型，降低开发成本和风险。

Gemini Robotics On-Device的主要功能

• 本地离线运行：Gemini Robotics On-Device能完全在机器人本地运行，无需依赖云端计算，解决网络延迟和连接不稳定的问题。让机器人在没有网络连接或网络信号弱的环境中能稳定地执行任务。
• 遵循自然语言指令：模型能理解人类的自然语言指令。模型能处理复杂的多步骤指令，让机器人真正按照人类的意图进行操作。
• 完成精细操作任务：支持从人形机器人到工业双臂机器人的多种机器人本体，能完成各种需要精细操作的任务，如拉开袋子、叠衣服、给午餐盒拉拉链、抽卡片、倒沙拉酱、工业级的皮带装配等。
• 快速适应新任务：谷歌首次开放VLA模型的微调功能，开发者只需要50到100个演示样本，就能让模型适应全新的任务。即使是最复杂的任务，用不到100个样本就能达到相当高的成功率。
• 跨平台部署：模型能迁移到完全不同的机器人平台上，如双臂Franka FR3机器人和Apptronik公司的Apollo人形机器人，展现出强大的泛化能力。

Gemini Robotics On-Device的技术原理

• 多模态推理能力：Gemini Robotics On-Device基于Gemini 2.0的多模态推理能力，能同时处理视觉、语言和动作等多种模态的信息。基于视觉输入感知环境，理解语言指令确定任务目标，生成相应的动作完成任务。
• 优化的模型架构：为实现本地运行，模型经过优化，减少计算资源需求，保持强大的性能。模型能在机器人设备上实现低延迟推理，确保任务的实时执行。
• 微调功能：作为谷歌首个可供微调的VLA模型，开发者基于少量的演示样本对模型进行微调，让模型适应新的任务和环境。微调功能让模型快速学习新技能，提高机器人的适应性和灵活性。
• 安全机制：模型基于语义安全和物理安全并重的整体安全方案。基于Live API捕获语义和内容安全问题，防止机器人执行可能带来危险或不适当的行为。与底层安全关键控制器接口，确保机器人的动作符合物理安全要求，保障机器人在执行任务时的安全性。

Gemini Robotics On-Device的项目地址

• 项目官网：https://deepmind.google/discover/blog/gemini-robotics-on-device-brings-ai-to-local-robotic-devices/

Gemini Robotics On-Device的应用场景

• 工业制造：在工业生产线上，执行复杂装配任务，如汽车零部件组装、电子设备精细安装等，提高生产效率和质量。
• 物流仓储：协助搬运货物、管理库存，识别货物信息按指令进行分类、堆叠，优化物流流程，减少人工错误。
• 医疗护理：辅助医护人员进行手术器械传递、康复训练指导等工作，为患者提供精准护理，减轻医护人员工作负担。
• 家庭服务：帮助完成家务劳动，如打扫卫生、整理物品、照顾老人和儿童等，提升生活便利性和舒适度。
• 零售服务：在商场、超市等场所，为顾客提供商品信息查询、购物引导、货物搬运等服务，提升购物体验。