模型定位
Gemini Robotics On-Device 2 是面向通用机器人操作的端侧视觉—语言—动作(VLA)模型,针对机器人硬件上的本地推理和网络受限场景进行了优化。模型卡说明其基于 Gemini Robotics 1.5 技术及端侧 Gemma 模型。(deepmind.google)
能力与用途
- **输入和输出:**接收文本指令、环境图像和以数值表示的机器人本体感知信息,输出数值形式的机器人动作。(deepmind.google)
- **本地运行:**面向需要避免网络延迟或无法连接互联网的机器人应用。(deepmind.google)
- **跨机型适配:**支持多种机器人形态。Google 表示,针对新的双臂机器人形态,通常可用少于 200 个示例、经过数小时适配;实际表现取决于机器人和任务。(deepmind.google)
- **典型用途:**作为机器人系统的核心组件,理解语言指令并在环境中执行操作;模型卡特别指出其可作为多种双臂机器人任务的通用基础。(deepmind.google)
限制与安全
模型卡指出,模型对分布外任务的泛化能力以及对高自由度机器人的控制能力有限。其安全评估主要针对固定位置的双臂操作,移动平台或全身控制的相关风险不在该评估范围内。Google 建议采用分层安全措施,包括高层语义安全、低层无碰撞运动规划与力控制,以及针对具体硬件的功能安全机制。模型卡列出的分发对象为受信任测试者,并非公开普遍开放。(deepmind.google)
发布与价格
- **发布日期:**2026 年 7 月 30 日。(deepmind.google)
- **价格:**截至 2026 年 11 月 16 日,未在所查阅的官方资料中核实本模型的公开报价;币种、输入计费和输出计费均未核实。Gemini Robotics ER 2 是另一模型,不能将其价格套用于本模型。(aistudio.google.com)
官方来源
- Google DeepMind 发布公告
- Gemini Robotics On-Device 2 模型页面
- Gemini Robotics On-Device 2 模型卡
- Gemini API 官方定价页面:查询日期为 2026 年 11 月 16 日,未找到本模型的报价。