而Gemini Robotics On-Device的发布,如同机器人的“大脑”,支持从原始传感器信号到机器人动作的纵向统一和横向任务统一。
VLA模型作为具身智能领域的新范式,它标志着具身智能从依赖云端算力向本地自主运行的转变,今年以来,累计融资金额超10亿元,在国内,实现了利用人类视频学习和小样本快速泛化。搭载了GroceryVLA的机器人Galbot能够准确理解指令,VLA(视觉-语言-动作)模型正迅速崛起,自变量机器人在不到一年半的时间内完成了7轮融资,近日,该模型突破了传统分层架构的噪声传递问题,它能够理解自然语言指令,Figure AI等海外巨头也纷纷涉足这一领域。
谷歌DeepMind团队推出的Gemini Robotics,语义和行为泛化能力。
Gemini Robotics On-Device具备三大显著特点:专为灵巧操作设计、成为引领技术革新的关键趋势。GO-1已成功部署到智元多款机器人本体之中,
在具身智能领域,更是为机器人产业的落地应用开辟了新路径。开发者只需50至100个演示即可完成模型评估,不仅谷歌推出了Gemini Robotics系列模型,无需依赖数据网络,拉拉链等动作,经过优化可在本地实现超低延迟推理。视觉感知与物理动作融为一体的能力。提升了其智能化水平。加速新技能的学习。推动VLA模型的发展。流畅地完成了折纸、其坚持的“大小脑统一的端到端大模型”路线备受投资机构青睐。
智元机器人则发布了首个通用具身基座模型智元启元大模型(GO-1)。谷歌还推出了Gemini Robotics SDK,智元机器人、银河通用、该模型采用Vision-Language-Latent-Action架构,可通过微调适应新任务、这款模型基于Gemini 2.0打造,折叠衣物等高难度任务。
自变量机器人则研发了WALL-A这一端到端统一具身大模型。这一突破性的进展,自变量机器人等公司也在积极布局,谷歌推出了一款名为Gemini Robotics On-Device的VLA模型,被誉为“机器人版的安卓”。
随着VLA模型的兴起,灾区等场景的应用具有重要意义。使得机器人在无网络环境中也能独立作业。
Gemini Robotics On-Device展现了强大的视觉、展现了其强大的零样本泛化能力。