Google DeepMind近日推出全新机器人控制模型Gemini Robotics On-Device，该模型可在机器人本地运行，具备视觉识别、语言理解和动作执行能力，即使断网也能独立完成任务。该模型基于Vision-Language-Action（VLA）架构，能理解人类指令并执行复杂操作，如拉开背包拉链、叠衣等。其优势在于低延迟和高稳定性，适用于医疗、救援和工业场景。开发者仅需提供50至100次人工演示即可训练模型，并可适配多种机器人平台。目前，该模型已向部分开发者开放试用，未来有望加速机器人技术普及。