【2025 年 6 月 25 日訊】 谷歌正式推出旗下首款端側(cè)視覺語言動作（VLA）模型 Gemini Robotics On-Device，首次將 Gemini 2.0 的多模態(tài)推理能力延伸至機器人設備端，引發(fā)科技圈高度關注。這款被業(yè)內(nèi)稱為 "機器人版安卓" 的基礎模型，僅需 50-100 次演示即可讓機器人掌握新動作，標志著通用機器人智能進入設備端部署的新階段。
Gemini Robotics On-Device 基于今年 3 月發(fā)布的旗艦模型 Gemini Robotics 優(yōu)化而來，通過輕量化架構設計實現(xiàn)本地機器人設備的低延遲推理。谷歌在官方演示視頻中展示，搭載該模型的雙臂機器人可流暢完成疊衣服、拉開拉鏈袋等精細操作，甚至能處理工業(yè)場景中的皮帶組裝任務。這一突破使得機器人無需依賴云端連接，即可在離線環(huán)境下執(zhí)行復雜指令，解決了傳統(tǒng)機器人系統(tǒng)對網(wǎng)絡的強依賴問題。
社交平臺數(shù)據(jù)顯示，該模型發(fā)布后 24 小時內(nèi)即吸引超 30 萬 X 用戶圍觀。有行業(yè)觀察人士評論："Gemini Robotics On-Device 讓機器人擁有了標準化的 ' 智能操作系統(tǒng) '，未來 OEM 廠商只需專注硬件設計，軟件層面可通過該模型實現(xiàn)通用化智能。"
模型內(nèi)置針對雙臂協(xié)作的優(yōu)化算法，可直接處理 80% 以上的日常操作任務。在谷歌的實測中，未經(jīng)微調(diào)的 Gemini Robotics On-Device 在 MuJoCo 模擬器中完成了包括 "將葡萄裝入密封盒"、"折疊襯衫" 等 20 項復雜任務，其中涉及變形物體操作的任務成功率達 72%，較前代設備端模型提升 40%。
開發(fā)者只需提供 50-100 次演示數(shù)據(jù)，即可通過 Gemini Robotics SDK 完成模型微調(diào)。在七項不同難度的任務測試中（包括拉鏈午餐盒、傾倒沙拉醬等），該模型僅用 80 次演示就實現(xiàn)了 92% 的任務完成率，較傳統(tǒng)強化學習方法減少 90% 的訓練數(shù)據(jù)需求。谷歌機器人團隊負責人表示："這種 ' 演示即編程 ' 的模式，讓機器人部署效率提升 10 倍以上。"
通過遷移學習技術，模型可快速適配不同硬件架構。目前已成功部署于 ALOHA 雙臂機器人、Franka FR3 工業(yè)機械臂及 Apptronik Apollo 人形機器人。在 Franka 平臺上，模型不僅能完成 "懸掛工具帶" 等精細操作，還可處理工業(yè)場景中的皮帶組裝任務，展現(xiàn)出從消費級到工業(yè)級應用的全覆蓋能力。
Gemini Robotics On-Device 采用 "云端骨干 + 本地解碼器" 的混合架構：
這種設計使得模型在保持 90% 以上旗艦模型性能的同時，將計算資源需求降低 60%，適配主流邊緣計算硬件。
谷歌同步推出的 Gemini Robotics SDK 包含三大核心組件：
模擬器測試套件：支持在 MuJoCo 中進行虛擬環(huán)境驗證
數(shù)據(jù)標注工具：簡化演示數(shù)據(jù)的采集與標注流程
安全策略引擎：集成語義安全檢查（如避免危險操作）和物理安全控制（如力反饋限制）
據(jù)官方透露，已有 20 家機器人廠商接入該 SDK，涵蓋物流、醫(yī)療、家庭服務等領域。
分析認為，Gemini Robotics On-Device 的推出可能重塑機器人產(chǎn)業(yè)格局：
硬件與軟件解耦：OEM 廠商可專注硬件創(chuàng)新，智能層面通過標準化模型實現(xiàn)
降低開發(fā)門檻：小樣本學習能力讓中小企業(yè)也能快速定制機器人應用
推動行業(yè)標準化：類似安卓系統(tǒng)在智能手機中的角色，該模型可能成為機器人領域的通用智能底座
谷歌表示，下一步將重點優(yōu)化模型在復雜環(huán)境中的魯棒性，并探索多機器人協(xié)同場景。隨著端側(cè)智能的普及，未來家庭、工廠、醫(yī)院等場景的機器人部署速度有望迎來指數(shù)級增長。
報告鏈接：https://arxiv.org/pdf/2503.20020
來【龍頭AI網(wǎng)】了解最新AI資訊！
暫無評論
發(fā)表評論