2025年6月26日，谷歌推出名为Gemini Robotics On-Device的视觉-语言-动作（VLA）模型，这是其首个可微调的VLA模型，专为双臂机器人设计。该模型可在设备本地离线运行，无需依赖网络，适用于对延迟敏感的场景。它具备强大的任务泛化能力，能理解自然语言指令并完成高灵巧度操作，如拉拉链、折叠衣物等。模型支持快速适应新任务，仅需50-100个样本即可展现良好性能，并已适配Franka FR3双臂机器人和Apollo人形机器人，展现了广泛的应用潜力。