今天，Gemini 家族迎来了一位新成员：Gemini Robotics On-Device。
Gemini Robotics On-Device 是谷歌 DeepMind 推出的首个可以直接部署在机器人上的视觉-语言-动作（VLA）模型。该模型能够帮助机器人更快、更高效地适应新任务和环境，且无需持续的互联网连接。这一特点使其在延迟敏感型应用中非常有用，确保在连接中断或无连接的环境中依然保持稳健性。
从名字可以看出，Gemini Robotics On-Device 属于 Gemini Robotics 系列。该系列模型于今年三月发布，基础模型是具备多模态推理能力的 Gemini 2.0。Gemini Robotics On-Device 在此基础上进行了优化，展现出强大的通用灵活性和任务泛化能力。
该模型无需数据网络即可运行，对各种应用场景具有重要意义。这一点得到了广大网友的好评：
为了帮助开发者更好地利用 Gemini Robotics On-Device，谷歌还将发布 Gemini Robotics SDK。该 SDK 可用于轻松评估模型在其任务和环境中的表现。开发者还可以使用该 SDK 在 DeepMind 的 MuJoCo 物理模拟器中测试模型，并快速适应新领域，仅需 50 到 100 个演示即可。
值得一提的是，加州大学伯克利分校、谷歌 DeepMind、多伦多大学和剑桥大学联合推出的 MuJoCo Playground 刚刚获得了今年的机器人科学与系统会议（RSS 2025）杰出演示论文奖。
论文标题：Demonstrating MuJoCo Playground ；论文地址：https://www.roboticsproceedings.org/rss21/p020.pdf
模型功能和性能
Gemini Robotics On-Device 专为双臂机器人设计，其目标是最大限度地减少计算资源需求。该模型基于 Gemini Robotics 的任务泛化和灵活性能力，主要特点包括：
- 针对快速运行灵巧操作实验而设计。
- 可通过微调来提升性能，从而适应新任务。
- 经过优化，可在本地运行并实现低延迟推理。
DeepMind 进行了多项视觉、语义和行为泛化能力实验，结果显示 Gemini Robotics On-Device 在广泛的测试场景中表现出色。它能够遵循自然语言指令，完成高度灵巧的任务，如拉开袋子拉链或折叠衣服，所有这些操作都可以直接在机器人上运行完成。即使是本地运行的 On-Device 模式，其泛化性能也非常出色。
与之前的最佳本地端机器人模型相比，Gemini Robotics On-Device 的优势明显。在更具挑战性的分布外任务和复杂的多步骤指令方面，其表现也优于其他本地端方案。
如果开发者不需要严格要求在本地运行模型，也可以选择使用 Gemini Robotics 模型。更多详细信息可参阅技术报告：
https://arxiv.org/pdf/2503.20020
可适应新任务，可跨具身泛化
Gemini Robotics On-Device 是 DeepMind 推出的首个可供微调的 VLA 模型。许多任务可以开箱即用，但开发者也可以选择调整模型以获得更好的性能。该模型只需 50 到 100 个演示即可快速适应新任务，表现出强大的泛化能力。
DeepMind 在七项不同难度的灵巧操作任务上测试了该模型，包括拉开午餐盒拉链、画卡片和倒沙拉酱。下图展示了 Gemini Robotics On-Device 模型的任务适应性能，使用的示例少于 100 个。
此外，DeepMind 还研究了如何让 Gemini Robotics On-Device 适应不同的机器人。训练时使用的机器人是 ALOHA 机器人，但实验表明该模型可以进一步调整用于双臂 Franka FR3 机器人和 Apptronik 的 Apollo 人形机器人。在双臂机器人 Franka 上，该模型可以执行通用指令，包括处理未见过的物体和场景、完成灵巧任务，如折叠连衣裙，或执行工业皮带装配任务。Apollo 人形机器人虽然形态不同，但该模型也能很好地适应，遵循自然语言指令并操控不同的物体。
DeepMind 表示，Gemini Robotics On-Device 标志着在使强大的机器人模型更易于获得和适应方面迈出了一步。这预示着我们离真正的具身智能时代更近了一步。
Gemini 模型的其它更新
除了 Gemini Robotics On-Device，谷歌 DeepMind 还进行了一些可能不受免费用户欢迎的更新，如下调免费可用额度。博主 @ai_for_success 发现，Gemini 2.5 Flash 的免费可用额度从每日 500 次请求减半到每日 250 次，而 Gemini 2.0 Flash 的免费可用额度更是从 1500 次减少到 200 次。
https://x.com/ai_for_success/status/1937493142279971210
谷歌 AI Studio 和 Gemini API 产品负责人 Logan Kilpatrick 回应称，这是他们的策略：「随着新模型的推出，降低或取消上一代模型的免费套餐。」
另外，谷歌今天还宣布在谷歌 AI Studio 和 Gemini API 中推出了图像生成模型 Imagen 4 和 Imagen 4 Ultra。我们已经可以在谷歌 AI Studio 中免费试用这些模型。
这里我们简单测试了一下，让 Imagen 4 Ultra 生成了一张包含猫、机器人与外星人的彩色水墨画：
参考链接
https://deepmind.google/discover/blog/gemini-robotics-on-device-brings-ai-to-local-robotic-devices/
https://x.com/GoogleAI/status/1937554536966619399
https://x.com/OfficialLoganK/status/1937620224758759750
