谷歌在機器人技術領域邁出了重要一步，近日推出了Gemini Robotics On-Device模型，這一升級版是在今年三月首次亮相的“視覺語言動作”（VLA）模型基礎上優化而來。據谷歌官方介紹，該模型是其目前最為強大的VLA模型，專為在機器人設備上實現本地運行而設計。
谷歌DeepMind的高級總監及機器人項目負責人表示，Gemini Robotics On-Device模型的一大亮點在于其獨立于數據網絡運行的能力。這意味著，在延遲敏感的應用場景中，該模型能夠發揮巨大作用，特別是在那些可能遭遇間歇性斷網或無網絡連接的環境中，它依然能夠保持穩定的運行表現。
專為雙臂機器人打造的Gemini Robotics On-Device模型，旨在提升機器人在處理復雜任務時的靈活性和適應能力。在一次演示活動中，谷歌團隊展示了搭載這一本地模型的機器人，它們能夠輕松完成拉開拉鏈、折疊衣物等基本動作，展現了模型在實際應用中的潛力。
值得注意的是，雖然Gemini Robotics On-Device模型最初是為ALOHA機器人訓練的，但谷歌隨后對其進行了調整，使其能夠適用于雙臂Franka FR3機器人和Apollo人形機器人。這一調整大大拓寬了模型的應用范圍，為更多類型的機器人提供了強大的技術支持。
為了促進Gemini Robotics技術的進一步發展和應用，谷歌DeepMind還發布了Gemini Robotics SDK。開發人員可以在MuJoCo高級物理模擬器上利用這些模型，通過向機器人展示50到100個任務演示來訓練它們完成任務。這一舉措無疑將加速機器人技術的創新和應用進程。
與傳統的“大語言模型”相比，機器人AI面臨著更為復雜的問題和挑戰。機器人不僅存在于物理世界中，還會對其環境產生影響。谷歌DeepMind機器人技術負責人強調，Gemini不僅能夠生成文本、寫詩、總結文章、編寫代碼，現在還能生成機器人動作。這意味著谷歌的機器人模型已經能夠通過大數據訓練來掌握各種動作，并在快速迭代中應對物理世界的各種挑戰。
在安全性方面，谷歌也采取了嚴格的措施來保障Gemini Robotics的安全。他們采用了多層限制的方法，通過底層VLA模型和上層VLA推理模型相結合的方式來判斷指令的安全性。這種“AI管理AI”的方式為機器人技術的安全性提供了有力的保障。
隨著谷歌在機器人技術領域的持續深耕，越來越多的公司也開始關注并投入這一領域。Nvidia等知名企業正在秘密研發自己的機器人項目，而國內也有不少企業在默默耕耘這一賽道。可以預見，未來機器人AI領域將迎來更加激烈的競爭和更加廣闊的發展前景。
