刚刚，首个能在机器人上本地运行的具身Gemini来了

今天，Gemini 家族迎来了一个新成员：Gemini Robotics On-Device。

这是谷歌 DeepMind 首个可以直接部署在机器人上的视觉-语言-动作（VLA）模型，可以帮助机器人更快、更高效地适应新任务和环境，同时无需持续的互联网连接。

从名字也能看出来，Gemini Robotics On-Device 属于 Gemini Robotics 系列。该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。

据介绍，Gemini Robotics On-Device 展现出了强大的通用灵活性和任务泛化能力，并且经过优化，可在机器人机体上高效运行。

由于该模型无需数据网络即可运行，因此它对延迟敏感型应用非常有用，可确保在连接中断或零连接的环境中保持稳健性。

对此，网友自然是好评多多：

对于开发者，谷歌还将发布 Gemini Robotics SDK，可用于轻松评估 Gemini Robotics On-Device 在其任务和环境中的表现。另外，开发者还可使用该 SDK 在 DeepMind 的 MuJoCo 物理模拟器中测试该模型，并快速将其适应到新领域 —— 只需 50 到 100 个演示即可。

顺带一提，加州大学伯克利分校、谷歌 DeepMind、多伦多大学、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 是用于双臂机器人的基础模型，其设计目标是最大限度地减少计算资源需求。它基于 Gemini Robotics 的任务泛化和灵活性能力，并且：

• 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 进行了不少视觉、语义和行为泛化能力实验，整体来看，Gemini Robotics On-Device 在这些广泛的测试场景中表现强大：能够遵循自然语言指令，并完成诸如拉开袋子拉链或折叠衣服等高度灵巧的任务 —— 所有这些操作均可直接在机器人上运行完成。

即使是本地运行的 On-Device 模式，Gemini Robotics On-Device 也表现出了相当不俗的泛化性能。

可以看到，相比之前最佳的本地端机器人模型，Gemini Robotics On-Device 的优势非常明显。

在更具挑战性的分布外任务和复杂的多步骤指令方面，Gemini Robotics On-Device 也优于其他本地端方案。

当然，如果开发者无需严格要求在本地运行模型，也可以使用 Gemini Robotics 模型。对该模型我们就不过多赘述了，详情可参阅技术报告：

https://arxiv.org/pdf/2503.20020

可适应新任务，可跨具身泛化

Gemini Robotics On-Device 也是 DeepMind 推出的首个可供微调的 VLA 模型。虽然许多任务可以开箱即用，但开发者也可以选择调整该模型，从而获得更佳性能。

该模型只需 50 到 100 个演示即可快速适应新任务，这表明该模型能够将其基础知识泛化到新任务。

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，其中使用的示例少于 100 个。

他们还研究了让 Gemini Robotics On-Device 模型适应不同的机器人。训练时，他们采用的是 ALOHA 机器人，但实验表明能够进一步将其调整用于双臂 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，包括处理之前未见过的物体和场景、完成诸如折叠连衣裙之类的灵巧任务，或执行需要精准度和灵活性的工业皮带装配任务。

Apollo 人形机器人则是完全不同的机器人形态，而该模型也能相当好的适应。同一个通用模型可以遵循自然语言指令，并以通用方式操控不同的物体，包括之前未见过的物体。

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。」

看起来，我们离真正的具身智能时代又更近了一步。

Gemini 模型的其它更新

除了 Gemini Robotics On-Device，谷歌 DeepMind 还进行了一个可能不受免费用户欢迎的更新：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 次请求腰斩到了每日 250，而 Gemini 2.0 Flash 的免费可用额度更是从 1500 膝斩至 200。

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。

目前我们已经可以在谷歌 AI Studio 中免费试用它们。

这里我们也简单测试了一下，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：

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

文中视频链接：

https://mp.weixin.qq.com/s/mjZAAvVtPevYDD5HfexN6g