谷歌DeepMind推出端侧版Gemini Robotics，机器人无需联网即可运行，50次示范即可学会新任务

谷歌DeepMind于2025年6月24日发布Gemini Robotics On-Device，一款完全在机器人本体上运行的机器人控制模型。此举意在把原本依赖数据中心的Gemini机器人大脑，搬到网络条件不稳定、对时延极为敏感的工厂、仓库和家庭场景。

DeepMind在由Carolina Parada署名的官方博客中表示，该模型是面向双臂机器人的基础模型，对算力需求低，可在无网络连接的情况下进行低时延推理。公司特别指出，这是DeepMind首个开放给外部开发者微调的视觉语言动作（VLA）模型。三个月前推出云端版Gemini Robotics时，DeepMind并未开放这一权限。

据DeepMind介绍，该模型只需50至100次示范即可适应新任务。公司在7项难度不一的灵巧操作任务上进行了验证，包括拉上饭盒拉链、抽取卡片和倒沙拉酱。在改变视觉环境、指令措辞和动作要求的泛化测试中，DeepMind称On-Device优于此前最好的端侧VLA模型，但具体数值仅以图表呈现，正文未予披露。

该模型仅在低成本双臂研究平台ALOHA上训练。DeepMind表示，随后将同一模型迁移至两款形态迥异的机器人：在双臂Franka FR3上完成了叠衣服和对精度要求较高的工业皮带装配；在Apptronik的人形机器人Apollo上，则能按自然语言指令操作此前从未见过的物体。一次训练能否适配多种本体，正是机器人厂商最关心的能力。

DeepMind同时推出Gemini Robotics SDK。开发者可借此在自有任务上评估模型、在MuJoCo物理仿真器中测试，并将模型适配到新领域。使用前须申请加入DeepMind的受信测试者计划。SDK代码已在GitHub以Apache 2.0许可证公开，但模型权重并未开源。

此次发布延续了2025年3月12日启动的项目。当时DeepMind基于Gemini 2.0推出Gemini Robotics和Gemini Robotics-ER，将Apptronik列为人形机器人合作伙伴，并公布Agile Robots、Agility Robotics、波士顿动力和Enchanted Tools为受信测试者。Apptronik称，公司于2025年2月完成谷歌参与的3.5亿美元A轮融资，3月又追加5300万美元。

竞争已十分激烈。Figure AI今年2月宣布，其自研VLA模型Helix完全运行在每台人形机器人内置的两块低功耗嵌入式GPU上，由70亿参数的视觉语言模型和8000万参数的控制器组成，以200赫兹频率控制35个自由度。英伟达3月开放Isaac GR00T N1，其Hugging Face模型卡标注为20亿参数。DeepMind发布前三周，Hugging Face于6月3日推出参数量4.5亿、可在CPU上运行的开源模型SmolVLA。Physical Intelligence也通过openpi代码库开放π0权重。

对中国产业链而言，这一动向值得警惕。宇树、智元等国内厂商以硬件本体见长。谷歌与英伟达开始向外提供可微调的机器人大脑，意味着本体与模型的分工可能加速，国内厂商需要在自研大模型与接入外部模型之间作出取舍。而谷歌采用受信测试者准入制，中国企业能否获得使用资格仍存在不确定性。

在安全方面，DeepMind采取分层思路，通过Gemini Live API处理语义安全，并在机器人端配合底层安全控制器，同时建议开发者在部署前进行语义安全基准测试和红队测试。公司未披露模型参数量、硬件需求、时延数据及商业条款。