新的Google Gemini模型将设备端AI引入机器人领域

Google DeepMind周二推出了一款名为Gemini Robotics On-Device的新语言模型。该公司透露，该模型可以在机器人本地运行任务，无需互联网连接。

这款新模型建立在该公司3月发布的Gemini Robotics AI模型基础之上，能够控制机器人的运动。Google还承认，该视觉-语言-动作模型（VLA）小巧高效，可以直接在机器人上运行。据该公司称，开发人员可以使用自然语言提示来控制并微调模型，以满足各种需求。 

设备端机器人模型优于Google的其他模型

我们正通过Gemini Robotics On-Device将强大的AI直接引入机器人。🤖

这是我们首个视觉-语言-动作模型，旨在帮助机器人更快、更高效，并能适应新任务和环境——无需持续连接互联网。🧵 pic.twitter.com/1Y21D3cF5t

— Google DeepMind (@GoogleDeepMind) 6月 24, 2025

Google DeepMind机器人业务负责人Carolina Parada表示，原始的Gemini Robotics模型采用混合方法，允许其在设备端和云端运行。她说，使用新的纯设备端模型，用户可以几乎获得与旗舰版相同的离线功能。

这家科技公司声称，该模型在基准测试中的表现接近基于云端的Gemini Robotics模型。Google还表示，它在一般基准测试中优于其他设备端模式，尽管它没有指明这些模型。 

“Gemini Robotics混合模型仍然更强大，但我们实际上对这款设备端模型的强劲表现感到相当惊讶。我会将其视为入门级模型，或用于连接性较差的应用场景的模型。”

——Carolina Parada，Google DeepMind机器人业务负责人。

该公司在演示中展示了运行本地模型的机器人，包括拆包和折叠衣物。Google承认，虽然该模型是为ALOHA机器人训练的，但后来将其调整为在双臂Franka FR3机器人和Apptronik的Apollo人形机器人上工作。

这家科技公司声称，双臂Franka FR3成功应对了它之前未曾见过的场景和物体，例如在工业传送带上进行组装。该公司 指出 表示开发人员可以在MuJoCo物理模拟器上使用模型，向机器人展示50到100次任务演示，以训练它们执行新任务。 

Google DeepMind还提到了发布一个名为Gemini Robotics SDK的软件开发工具包。该公司 披露 表示，其Robotics SDK提供了使用Gemini Robotics模型所需的全生命周期工具，包括访问检查点、部署模型、在机器人和模拟器中评估模型、上传数据以及微调模型。该公司披露，在Google继续努力降低安全风险的同时，其设备端Gemini Robotics模型及其SDK将向一组受信任的测试人员开放。

科技公司加入机器人竞赛

其他使用AI模型的公司也对机器人领域表现出兴趣。 英伟达 正在构建一个平台，为人形机器人创建基础模型。该公司首席执行官Jensen Huang指出，为通用人形机器人构建基础模型是当今AI领域最令人兴奋的待解难题之一。

Huang认为，人形因素是当前机器人世界中最具争议的话题之一。他承认，尽管这一领域在筹集风险投资方面势头强劲，但也伴随着巨大的怀疑。 

Nvidia还通过Isaac和Jetson等举措大力推动机器人创新。去年3月，在其年度GTC开发者大会上，该公司 加入了 通过Project GROOT项目加入了人形机器人竞赛。

Nvidia将新平台称为人形机器人的通用基础模型。该公司表示，GROOT也将支持Nvidia的新硬件。 

Hugging Face不仅在为机器人开发开源模型和数据集，还在研发机器人。该公司 披露 本月早些时候发布了一个名为SmolVLA的用于机器人的OpenAI模型。 

该公司声称，该模型在社区共享数据集上进行了训练，在虚拟和现实环境中都优于规模大得多的机器人模型。Hugging Face还透露，SmolVLA旨在使视觉-语言-动作（VLA）模型的访问民主化，并加速向通用机器人代理的研究进展。

去年，该公司推出了LeRobot，这是一套专注于机器人的模型、数据集和工具集合。最近，Hugging Face收购了位于法国的机器人初创公司Pollen Robotics，并公布了几种廉价的机器人系统，包括人形机器人，供购买。