谷歌機(jī)器人驗(yàn)證解決方案有哪些（谷歌機(jī)器人怎么聯(lián)網(wǎng)）
智東西編譯 | 李水青編輯 | 心緣智東西6月25日?qǐng)?bào)道，谷歌谷歌今日凌晨，機(jī)器決方機(jī)器谷歌推出首個(gè)設(shè)備機(jī)器人模型Gemini Robotics On-Device，人驗(yàn)人聯(lián)進(jìn)一步將Gemini 2.0的證解多模態(tài)推理和現(xiàn)實(shí)世界理解能力帶入物理世界。
今年3月，谷歌谷歌谷歌推出了其最強(qiáng)VLA（視覺語言動(dòng)作）模型Gemini Robotics今日推出的機(jī)器決方機(jī)器Gemini Robotics On-Device是Gemini Robotics經(jīng)過優(yōu)化的版本，也是人驗(yàn)人聯(lián)其首個(gè)可供微調(diào)的VLA模型。
，證解可在本地機(jī)器人設(shè)備上運(yùn)行，谷歌谷歌具備強(qiáng)大的機(jī)器決方機(jī)器通用靈活性和任務(wù)泛化能力如視頻所示，Gemini Robotics On-Device將AI引入機(jī)器人，人驗(yàn)人聯(lián)可以開箱即用地處理各種復(fù)雜的證解雙手操作任務(wù)，如疊衣服、谷歌谷歌拉開袋子等。機(jī)器決方機(jī)器
同時(shí)，人驗(yàn)人聯(lián)谷歌還推出Gemini Robotics SDK，幫助開發(fā)者評(píng)估Gemini Robotics 在設(shè)備上的性能，包括在MuJoCo物理模擬器中進(jìn)行測(cè)試開發(fā)者只需50-100個(gè)演示即可完成模型評(píng)估，讓機(jī)器人學(xué)習(xí)新技能。
該模型一經(jīng)發(fā)布引起近30萬社交平臺(tái)X用戶圍觀，有用戶稱：“這些設(shè)備內(nèi)置模型讓Gemini Robotics穩(wěn)穩(wěn)地走上了成為‘機(jī)器人界的安卓’的道路最終，OEM（集成）廠商只需專注于打造最優(yōu)秀的機(jī)器人硬件，Gemini只需作為‘大腦’即可。
”
一、專為靈巧操作設(shè)計(jì)，能讓機(jī)器人拉開袋子、疊衣服Gemini Robotics On-Device是一個(gè)為雙臂機(jī)器人設(shè)計(jì)的基礎(chǔ)模型，可以最大限度地減少計(jì)算資源需求它基于Gemini Robotics的任務(wù)泛化和靈活性功能，并且具備以下特點(diǎn)：。
1、專為靈巧操作的快速實(shí)驗(yàn)而設(shè)計(jì)2、通過微調(diào)來適應(yīng)新任務(wù)，提高性能3、經(jīng)過優(yōu)化，可在本地運(yùn)行并實(shí)現(xiàn)低延遲推理Gemini Robotics On-Device在廣泛的測(cè)試場(chǎng)景中實(shí)現(xiàn)了強(qiáng)大的視覺、語義和行為泛化，遵循自然語言指令，可以順暢完成諸如拉開袋子、疊衣服等高度靈巧的任務(wù)。
所有這些都是在機(jī)器人上直接操作時(shí)完成的在谷歌的評(píng)估中，Gemini Robotics On-Device在完全本地運(yùn)行時(shí)表現(xiàn)出強(qiáng)大的泛化性能下圖是其與谷歌Gemini Robotics旗艦?zāi)Ｐ秃椭白詈玫脑O(shè)備模型進(jìn)行比較的結(jié)果，Gemini Robotics On-Device在Visual Gen、Semantic Gen、Action Gen三項(xiàng)測(cè)試中均獲得最高分。
在更具挑戰(zhàn)性的分布式任務(wù)和復(fù)雜的多步驟指令方面，Gemini Robotics On-Device模型的表現(xiàn)也優(yōu)于其他設(shè)備端替代方案下圖是Gemini Robotics On-Device的指令跟蹤性能評(píng)估結(jié)果，其與旗艦Gemini Robotics模型和之前最好的設(shè)備模型相比得分都更高。
更多詳情可閱讀谷歌今年3月發(fā)布的Gemini Robotics技術(shù)報(bào)告《Gemini Robotics: Bringing AI into the Physical World（Gemini Robotics：將 AI 帶入物理世界）》。
報(bào)告地址：https://arxiv.org/pdf/2503.20020二、首個(gè)可供微調(diào)的VLA模型，適用機(jī)械臂、人形機(jī)器人等多種形態(tài)Gemini Robotics On-Device是谷歌首個(gè)可供微調(diào)的VLA模型。
雖然許多任務(wù)可以直接運(yùn)行，但開發(fā)者也可以選擇調(diào)整模型，使其應(yīng)用??獲得更佳性能Gemini Robotics On-Device能夠快速適應(yīng)新任務(wù)，只需50-100次演示即可完成，這充分表明了該設(shè)備端模型能夠?qū)⑵浠A(chǔ)知識(shí)推廣到新任務(wù)的能力。
谷歌展示了Gemini Robotics On-Device在涉及微調(diào)至新模型的任務(wù)上如何超越目前最佳的設(shè)備端 VLA他們測(cè)試了該模型，涉及了七項(xiàng)不同難度的靈巧操作任務(wù)，包括拉開午餐盒拉鏈、畫卡片和倒沙拉醬等。
下圖展示了Gemini Robotics On-Device的任務(wù)適應(yīng)性能，其中包含近100個(gè)示例。
谷歌還進(jìn)一步調(diào)整了Gemini Robotics On-Device，使其適用于不同的機(jī)器人雖然其僅針對(duì)ALOHA機(jī)器人訓(xùn)練了該模型，但他們能夠進(jìn)一步將其適配到雙臂Franka FR3機(jī)器人和Apptronik的Apollo人形機(jī)器人。
在雙臂Franka上，該模型可以執(zhí)行通用指令，包括處理以前未見過的物體和場(chǎng)景、完成折疊衣服等靈巧的任務(wù)，或執(zhí)行需要精確度和靈巧性的工業(yè)皮帶組裝任務(wù)在Apollo人形機(jī)器人上，谷歌調(diào)整了模型，使其適應(yīng)截然不同的形態(tài)。
同樣的通用模型可以遵循自然語言指令，并以通用的方式操控不同的物體，包括之前從未見過的物體谷歌正根據(jù)其人工智能原則開發(fā)所有Gemini Robotics模型，并應(yīng)用涵蓋語義和物理安全的整體安全方法結(jié)語：大模型加速落地物理世界。
Gemini Robotics On-Device標(biāo)志著強(qiáng)大的機(jī)器人模型在易訪問和適應(yīng)性方面邁出重要一步，有望幫助機(jī)器人開發(fā)者應(yīng)對(duì)重要的延遲和連接挑戰(zhàn)值得一提的是，Gemini Robotics SDK支持開發(fā)者根據(jù)自身需求調(diào)整模型，進(jìn)一步加速創(chuàng)新。
下一步，我們有望看到更多機(jī)器人開發(fā)者利用這些新工具構(gòu)建具有創(chuàng)新應(yīng)用的機(jī)器人來源：谷歌