Google DeepMind 发布设备端 Gemini 机器人模型：离线运行也能拥有旗舰级能力

Google DeepMind 宣布推出其旗舰 AI 模型 Gemini Robotics 的设备端版本，这一视觉-语言-动作（VLA）模型可以在没有互联网连接的情况下直接在机器人上运行，并展现出接近云端旗舰版的性能表现。

• GitHub：https://github.com/google-deepmind/aloha_sim

这项更新标志着 AI 驱动的机器人系统正在向边缘计算迈进，未来将更适用于对网络依赖度低、安全性要求高的实际场景。（来源）

设备端 Gemini 模型有何不同？

此前发布的 Gemini Robotics 混合模型 是一个结合云端与本地推理的解决方案，具备广泛的物理任务处理能力，包括：

• 理解并响应人类指令
• 执行精细操作任务（如抓取、旋转物体）
• 在未经过专门训练的情况下适应新情境

而这次推出的 设备端版本，则是一个轻量级但功能完整的替代方案：

• 可完全离线运行，无需依赖云端
• 拥有与旗舰模型相似的任务理解和执行能力
• 更适合部署于资源受限或网络不稳定的环境

“我们原本以为设备端模型会牺牲很多性能，但它的表现让我们非常惊讶。”Google DeepMind 机器人部门负责人 Carolina Parada 表示。

小模型也有大能量：仅需几十次演示即可适应新任务

尽管是设备端版本，该模型依然具备强大的泛化能力。Parada 表示，它可以在仅需 50 到 100 次演示的情况下，快速适应新的任务场景。

虽然该模型最初只在 Google 自研的 ALOHA 机器人 上进行训练，但谷歌已经成功将其适配到多种机器人平台，包括：

• Apptronik 公司的人形机器人 Apollo
• 双臂协作机器人 Franka FR3

这意味着 Gemini 的应用边界正在快速扩展，未来有望支持更多类型的机器人平台。

SDK 首次开放：开发者也能微调 VLA 模型

为了加速模型的落地应用，Google 同步发布了针对设备端 Gemini 的 软件开发工具包（SDK），允许开发者：

• 对模型进行评估
• 进行任务定制与微调
• 构建特定场景下的机器人应用

这是 Google DeepMind 首次为 VLA 类模型提供如此开放的开发接口，也意味着其正逐步推动 AI + 机器人走向开源社区与开发者生态。

适用场景展望：从工厂到敏感区域都值得期待

由于设备端模型具备本地化部署、低延迟响应和数据隐私保护等优势，它非常适合以下场景：

• 制造业自动化：用于装配、检测等需要实时反馈的任务；
• 医疗机器人：在高安全要求环境下减少对外网依赖；
• 远程作业：如矿山、极地科考站等网络不稳定地区；
• 服务机器人：家庭、酒店、零售场景中的自主交互与操作。

Parada 也表示：“虽然混合模型仍然更强，但我们相信这个设备端版本可以作为入门模型，甚至成为某些领域的主力。”

下一步：持续优化安全性与可用性

目前，设备端 Gemini 模型及其 SDK 已向一组受信任的测试者开放。Google 正在积极评估其在真实世界中的表现，并努力降低潜在的安全风险。

未来，随着更多合作伙伴和开发者的加入，这款轻量级 AI 模型或将推动机器人行业迈向一个新的发展阶段。