谷歌 DeepMind 发布机器人学基础模型 Gemini Robotics On-Device

主要观点总结

谷歌的DeepMind推出了视觉-语言-行动基础模型Gemini Robotics On-Device，适用于机器人硬件本地运行的应用程序。该模型具有低延迟推理能力，可针对特定任务进行微调，并且已经在多个机器人平台上进行评估。DeepMind表示，这是朝着使机器人模型更具易用性和适应性方面迈出的一步。此外，DeepMind还发布了几个基准测试，包括用于评估机器人安全机制的ASIMOV基准测试和用于测量视觉推理能力的ERQA评估数据集。

关键观点总结

关键观点1: DeepMind推出Gemini Robotics On-Device模型

这款模型是视觉-语言-行动（VLA）基础模型，旨在用于机器人硬件本地运行，具有低延迟推理能力，可针对特定任务进行微调。

关键观点2: Gemini Robotics On-Device是首个可以进行微调的版本

DeepMind 在双臂的Aloha机器人上训练了该模型，并已经在其他几个机器人平台上进行评估，显示了在新硬件上处理复杂任务的能力。

关键观点3: DeepMind发布了几个基准测试

包括用于评估机器人安全机制的ASIMOV基准测试和用于测量视觉推理能力的ERQA评估数据集，以推动机器人技术的评估和发展。

关键观点4: Gemini Robotics On-Device的讨论和期待

在Hacker News上的讨论中，有用户认为VLAs可能成为一个大事件，并可能成为机器人技术的“chatgpt时刻”。该模型对于各种任务的适应性被讨论，并强调了其在不同应用场景下的潜力。

免责声明