DeepMind · 其他
DeepMind 发布 Gemini Robotics On Device，将 AI 部署到本地机器人
DeepMind 推出 Gemini Robotics On Device，将 Gemini 模型的能力直接部署到机器人本地设备上。这一方案让机器人无需依赖云端即可实时处理视觉、语言和动作指令，显著降低延迟并增强数据隐私。对于工业、服务及家庭机器人场景，本地化 AI 可带来更可靠的自主决策与更快的响应速度。
- 域名
deepmind.google- 评分
- 5 · 重大发布
- 发布
- 2026-03-03
导读
Gemini Robotics On-Device 是 DeepMind 在 2025 年 6 月 24 日发布的本地化 VLA 模型，把 Gemini Robotics 的具身能力压缩到机器人本体的算力之内。模型脱离云端运行，对低时延与弱网环境友好，工业产线、家庭服务、远程作业等场景可在断网或带宽不稳时保持稳定。配套发布 Gemini Robotics SDK，开发者可通过 trusted tester 计划申请权限，在 MuJoCo 物理仿真器中评估模型表现。
能力曲线维持在云端旗舰模型与传统 on-device 模型之间，但接近前者。On-Device 模型支持双臂机器人的视觉、语义与行为通用化，能听从自然语言指令完成解拉链、叠衣服等精细操作。该模型也是 DeepMind 首个对外开放微调的 VLA：开发者只需 50 至 100 条示范即可让模型适应新任务。研究团队在 7 项灵巧操作任务上验证微调效果，含拉午餐盒拉链、抽卡、倒沙拉酱等动作，性能优于当前最强的 on-device VLA。原生训练面向 ALOHA 机器人，但已成功迁移到 Franka FR3 双臂与 Apptronik Apollo 人形机器人，分别可执行工业皮带装配与跨多种未见物体的通用操作。
安全栈仍沿用 Gemini Robotics 的分层方案：通过 Live API 处理语义与内容安全，低层接入碰撞回避与力矩限制控制器，ASIMOV 基准与 red-teaming 流程用于上线前评估。DeepMind 内部的 Responsible Development & Innovation 团队与 Responsibility & Safety Council 同步审议。对读者而言，On-Device 模型把 VLA 从云推理拉到机载侧，意味着真实部署场景下的连接性与延迟瓶颈被绕开；微调门槛降到 100 条示范，也意味着小规模实验室与企业可基于现成 foundation model 快速定制自己的产线机器人。