近日，谷歌旗下DeepMind团队公布了一项技术创新，推出了一款名为Gemini Robotics On-Device的本地化机器人人工智能模型。这款模型基于前沿的视觉-语言-动作（VLA）架构，能够在无需云端支持的情况下，实现对实体机器人的直接控制。
Gemini Robotics On-Device模型的核心优势显著。首先，它能够在机器人设备上独立运行，提供低延迟的响应能力，这对于网络条件不稳定的环境，如医疗设施内，尤为重要。其次，该模型能够执行高精度操作任务，例如打开包袋的拉链、叠放衣物以及系鞋带等，展示了其强大的应用潜力。它还支持双机械臂设计，能够适配包括ALOHA、Franka FR3及Apollo人形机器人在内的多种平台。
为了促进开发者的应用与创新，DeepMind还提供了Gemini Robotics SDK工具包。开发者仅需通过50至100次的任务演示，即可轻松定制新功能。同时，该模型还支持MuJoCo物理模拟器测试，为开发者提供了一个高效、安全的测试环境。
在安全保障方面，Gemini Robotics On-Device模型同样表现出色。它采用Live API实施语义安全检测，确保指令的准确性和安全性。底层安全控制器负责管理动作力度与速度，有效防止意外情况的发生。DeepMind还开放了语义安全基准测试框架，为行业提供了评估和提升机器人安全性的新途径。
项目负责人Carolina Parada介绍称：“Gemini Robotics On-Device模型借鉴了Gemini多模态世界理解能力，就像Gemini能够生成文本、代码和图像一样，它也能够生成机器人的动作指令。”这一创新不仅推动了机器人技术的发展，也为人工智能在实体机器人领域的应用开辟了新道路。
