6月26日訊 日前，谷歌宣布推出“自家最強大的視覺-語言-動作（VLA）模型”Gemini Robotics On-Device，作為一款面向雙臂(16.800, -0.19, -1.12%)的通用基礎模型，Gemini Robotics On-Device專為減少計算資源消耗而設計。

其具備通用靈巧操作能力和任務泛化能力，即支持靈巧操作任務的快速實驗、可通過微調適應新任務，以提升性能。

更重要的是，這款模型可以完全在機器人設備本地離線運行。谷歌表示，由于運行時無需依賴數據網絡，這一模型非常適用于對延遲敏感的應用場景，并能在網絡連接不穩定甚至完全中斷的環境中穩定運行——換言之，即使是在完全斷網的情況下，搭載這款模型的機器人設備也能做到“看得見、聽得懂、做得了”。

Gemini Robotics On-Device在多種測試場景中實現了強大的視覺、語義和行為泛化能力，能理解自然語言指令，并完成拉開拉鏈、折疊衣物等高靈巧度任務。