谷歌在機器人技術領域再度邁出重要一步，近日推出了Gemini Robotics On-Device模型，這是其“視覺語言動作”（VLA）模型的升級版。據谷歌官方介紹，這款新模型代表了他們目前最強大的VLA技術能力，特別之處在于它經過優化，可以在機器人設備上直接本地運行。

DeepMind的高級總監及機器人項目負責人分享道，這款模型的獨特優勢在于其不依賴于數據網絡，因此對延遲敏感的應用場景極為友好。即使在間歇性斷網或無網絡連接的環境下，它也能保持穩定運行，這為機器人的廣泛應用提供了更多可能性。

Gemini Robotics On-Device模型是在今年3月推出的Gemini Robotics基礎上升級而來，專為雙臂機器人設計。谷歌明確表示，這款模型旨在提升機器人在應對復雜任務時的靈巧性和適應能力。在一次演示活動中，團隊展示了搭載這一本地模型的機器人，它們能夠輕松完成如拉開拉鏈、折疊衣物等精細動作。

值得注意的是，雖然該模型最初是為ALOHA機器人訓練的，但谷歌隨后對其進行了調整，使其也適用于雙臂Franka FR3機器人和Apollo人形機器人。這一靈活性顯示了谷歌在機器人技術領域的廣泛布局和深厚實力。

為了推動Gemini Robotics的進一步發展，谷歌DeepMind還發布了配套的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研發和應用進程。

與單純的大語言模型相比，機器人AI面臨更多挑戰。機器人不僅存在于物理世界中，還會改變其環境。谷歌DeepMind機器人技術負責人強調，Gemini不僅能夠生成文本、寫詩、總結文章甚至編寫代碼，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各種動作，在快速迭代中應對物理世界的各種問題。

在安全性方面，谷歌也采取了嚴格措施。他們采用多層限制的方法，通過底層VLA模型和上層VLA推理模型共同管理機器人的指令。這種“AI管理AI”的方式旨在確保機器人的安全運行，避免潛在的風險。

隨著谷歌在機器人技術領域的不斷突破，越來越多的公司也開始關注這一領域。Nvidia等知名企業正在秘密研發自己的機器人項目，國內也有眾多企業在默默耕耘。可以預見，一場新的AI大戰即將拉開帷幕，讓我們共同期待這一領域的精彩發展。