▲Gemini Robotics On-Device。（圖／Google DeepMind）
記者吳立言／綜合報導
Google DeepMind宣布推出全新語言視覺動作模型「Gemini Robotics On-Device」，這是公司首次針對機器人端設計、可於本地運行的先進AI模型。該模型可在無網路環境下執行複雜指令與精細操作，標誌著AI機器人正式邁入「邊緣智慧」新時代。
Gemini Robotics On-Device建基於今年三月推出的Gemini Robotics模型，延續其視覺、語言與動作（VLA）整合能力，並針對本地裝置最佳化運算效率與延遲表現。Google表示，該模型可執行如解拉鍊、摺衣、工業裝配等任務，同時維持對自然語言指令的高度理解與泛化能力。
Gemini On-Device模型專為延遲敏感場景與無網環境設計，不僅實現即時反應，更提升系統穩定性。根據Google測試，該模型在未曾見過的任務與物件中，仍展現高水準泛化與行為一致性，超越目前其他本地推論模型。目前該模型支援包括雙臂機器人Franka FR3與Apptronik所開發的人形機器人Apollo，在兩者平台上皆能完成組裝、倒醬、畫圖等高靈巧度動作，顯示其良好的平台轉移能力（embodiment generalization）。
為便利開發者使用，Google同步釋出Gemini Robotics SDK，提供MuJoCo模擬器整合，支援快速原型開發與低資源微調。開發者僅需提供50至100次任務示範，即可訓練模型執行新操作，大幅降低訓練資料需求。
Gemini On-Device也是Google首次開放微調的VLA模型，支援自然語言提示與範例導向訓練，進一步強化個別任務的表現。Google表示，該模型的開發符合公司AI原則，並搭配Live API與安全控制器確保語意與物理層級的安全性。此外，Google設立「責任與安全委員會（RSC）」審查模型在實際應用中的影響與風險，並建議開發者進行完整紅隊測試。
目前Gemini Robotics On-Device僅開放予信任測試者申請使用。Google強調將透過小規模釋出，收集更多實際應用回饋，未來視測試成果逐步擴大開放。
