On June 24, Google DeepMind unveiled the revolutionary robotics model Gemini Robotics On-Device, marking the first time a model can operate entirely locally without relying on cloud connectivity. This visual-language-action (VLA) model, based on the Gemini 2.0 architecture, integrates visual recognition, natural language understanding, and action generation capabilities, Разрешаването на роботите точно изпълняват сложни задачи като сгъване на дрехи, разархивиращи ципове и дори обвързващи обувки в офлайн среда.
Технологичен пробив: скок към автономия от облак до ръба
Gemini Robotics On-Device achieves performance comparable to cloud-based models on local hardware through lightweight design and algorithm optimization, while significantly outperforming other local solutions. Equipped with high-density tactile sensors and an IP67 waterproof design, it can operate in water up to 1 meter deep for 30 minutes, adapting to complex environments like kitchens and bathrooms. In Условия за мобилност, скоростта на ходене се подобри с 60% в сравнение с предишното поколение, като точният баланс се съперничи на тази на професионалните гимнастички и поддръжка за сътрудничество с двойна ръка за извършване на точни операции като индустриално събрание .
Екосистема на разработчици: Персонализиране само с 50 демонстрации
Като първият модел на VLA с отворена настройка на Google, Gemini Robotics на устройството може бързо да се адаптира към новите сценарии с просто демонстрации на задачи, като попълване на инструкцията „Поставете куба на Рубик в чантата за подаръци“ на Apollo Humanoid Robot {{.}}}} The Accompaning Gemini Robotics Robotics Robotics Robotic, Accompaning Robotics Robotics, Accompaniking Robotics,.}} The Accompaning Gemini Robotics Robotic Разработчиците да тестват модела във виртуална среда и да получат достъп чрез „Програмата на надеждния тестер .“, тази инициатива се разглежда от индустрията като „Android of Robotics“, с потенциал да управлява отделянето на хардуер-софтуер и по-ниски бариери за развитие на индустрията .
Сценарии на кандидатстване: обобщаемост от фабрики до домове
In the industrial sector, the model has been adapted for the Franka FR3 dual-arm robot, enabling tasks such as conveyor belt assembly and quality inspection. In home settings, it can perform daily services like cooking and walking the dog through natural language interaction, and even prepare breakfast in advance based on users' schedules. Notably, Google has implemented semantic safety reviews through the Gemini Live API и определяне на ограниченията за сила на действие и скоростта на хардуерно ниво, за да се изгради многопластова система за защита на безопасността .
Въпреки че понастоящем е разработен въз основа на Gemini 2 . 0, основният му екип вече е започнал да интегрира подобренията на производителността на най-новите Gemini 2 . 5, потенциално проправя пътя за по-нататъшни пробиви в многостепенните логически възможности за планиране ., тъй като локализираните модели AI стават все повече от Edge, като се развишат, като локализират AI Models, стават все повече от Edge, да се разграничат по-големи от Edge, като локализират модели на AI ", които се разграничават", като локализират модели ", които се разграничават", се превръщат в модели ", като локализират" Обхват ", става все повече", развишават се ", като локализират" Обхват ", стават повече разграничения". интелигентност. " Стартирането на Gemini Robotics на устройството бележи нова ера на въплътена интелигентност, влизаща в мащабно приложение.