2025年6月24日，谷歌DeepMind正式发布了Gemini Robotics On-Device模型。该模型基于谷歌Gemini 2.0模型构建，是一个专为机器人设计的AI模型，最大的特点是可以完全在机器人端运行，无需依赖云端连接，从而赋予机器人前所未有的自主性与灵活性。

此前，包括谷歌在内的许多机器人系统，都采用一种混合架构：在机器人上部署一个较小的模型以处理快速响应，同时将需要复杂推理和规划的“重脑力活”交由云端强大的服务器处理。基于这种架构的机器人不仅对网络连接有着极高的要求，把隐私数据上传云端还存在较大的安全隐患。

Gemini Robotics On-Device模型正是为了解决这些核心痛点而生。该模型是一个完全集成的视觉-语言-动作（VLA）模型，能够同时处理视觉输入、自然语言指令和动作输出，并且能在网络信号不佳甚至完全没有网络的“离线”环境中独立工作。同时，该模型具有强大的“快速任务适应”能力，研究表明，仅需50到100个新的任务演示，该模型就能快速学习并掌握新技能。

在性能方面，即使完全在本地运行，Gemini Robotics On-Device在多项泛化能力基准测试中，表现已非常接近需要云端支持的旗舰版Gemini Robotics模型，并显著优于之前的其他本地化模型。基于该模型，机器人不仅能完成像折叠衣物、整理手提袋这类日常任务，甚至可以应对“系鞋带”这种对机器人来说历来是巨大挑战的精细操作。

此外，谷歌强调，Gemini Robotics On-Device是其首个开放给开发者进行微调的机器人VLA模型，开发者可以根据自己的特定需求和应用场景，对模型进行定制化训练。

信息来源：

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

https://mp.weixin.qq.com/s/JfxwsoHgQqsp4q1-7HZLmw