谷歌推出Gemini Robotics On-Device：首个完全本地化的机器人AI模型

谷歌于近日发布了其最新的机器人技术成果——Gemini Robotics On-Device，这是第一个能够在物理机器人体内完全本地化运行的多模态机器人VLA（视觉-语言-动作）模型。与以往不同的是，开发者可以根据自己的特定需求和应用场景，快速对模型进行定制化训练。仅需50至100个新的任务演示（通常是通过遥控操作机器人完成的），模型就能迅速学会并掌握新技能，展现出强大的“快速任务适应”能力。 为证明该模型的跨平台通用性，谷歌团队展示了Gemini Robotics On-Device在多种第三方机器人上的应用效果，包括德国Franka Emika公司的双臂协作机器人和Apptronik公司开发的具备人类形态的机器人Apollo。在演示中，Apollo机器人能够根据“把黑色T恤放进袋子”或“把魔方放进袋子”等自然语言指令，准确定位并完成相应的物理操作。这说明谷歌的新技术不仅适用于自家设备，还能无缝集成到其他机器人的控制系统中。 然而，伴随这一重大技术突破而来的还有安全性的顾虑。大型AI模型虽然拥有出色的控制能力和灵活性，但如何确保其行为的安全、可控和可预测成为一大挑战。谷歌研究员Parada提到，生成式AI通常存在一定的随机性，这意味着在聊天场景中可能只会生成一些令人恼火的胡言乱语，但在物理场景中则可能导致严重的安全隐患。 对此，谷歌强调整体解决方案的重要性。发布的On-Device模型只是一套核心的VLA系统，不包含完整版的安全框架。谷歌建议开发者复制内部团队所采用的多层次安全策略。这包括将本地模型与标准化的Gemini Live API连接，后者利用内建的安全层进行语言和内容审查，过滤掉不安全或不合适的指令；此外，还需要在机器人硬件层面集成一个低级别的安全控制器，实时监控机械手的动作范围、力度等关键参数，作为最后一道防线。谷歌也鼓励开发者充分利用其开放的语言安全标准进行“红队演练”，即提前充分暴露和修复模型潜藏的安全漏洞。 目前，谷歌已经启动了一项“任信用测试者计划”，邀请有经验的开发者和研究人员申请试用全新的Gemini Robotics On-Device模型及其配套的软件开发工具包。这一工具包集成了物理模拟器MuJoCo，可以让开发者在虚拟环境中进行大规模测试和调优，确保模型部署到实际机器人之前经过严格验证。 长远来看，谷歌这次发布的机器人AI模型还只是一个开始。现役的Gemini Robotics是基于Gemini 2.0版本构建的，未来随着最新版本Gemini 2.5性能的提升，下一代机器人模型的表现也有望更进一步。 业内专家认为，Gemini Robotics On-Device的推出标志着机器人技术和AI应用迈入了一个新阶段，它不仅加速了机器学习模型在物理机器人中的普及和应用，而且也为安全可控的技术创新提供了重要参考。谷歌作为全球领先的AI研发机构，本次技术分享无疑将会对整个行业的发展产生深远影响。