6月28日，谷歌在最新播客中展示了其Gemini Robotics On-Device模型驱动的机器人，在没有互联网连接的情况下完成扣篮动作，展现出强大的新场景适应能力。该模型于6月24日发布，是首个‘视觉-语言-动作’模型，可在本地运行，具备低延迟和高适应性。在RSS2025大会上，谷歌还进行了全球首个互动式现场展示。相比其他模型，Gemini Robotics On-Device在泛化能力和多步骤任务处理上表现突出，可快速微调以适应新任务。谷歌表示，这一技术可能改变机器人行业，让AI更深入理解物理世界。

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。

25日，《科创板日报》报道，谷歌DeepMind推出首个可在机器人设备上本地运行的视觉-语言-动作（VLA）模型Gemini Robotics On-Device。该模型无需持续互联网连接，可帮助机器人更快适应新任务和环境，提升运行效率。这是谷歌在本地具身智能领域的重要进展，标志着其在机器人技术上的进一步突破。