Google DeepMind on ottanut merkittävän askeleen kohti kehittyneiden tekoälyominaisuuksien tuomista fyysisiin robotteihin julkaisemalla Gemini Robotics On-Device -mallin, joka on suunniteltu toimimaan täysin paikallisesti robottien laitteistolla.
Uusi järjestelmä, joka julkistettiin kesäkuun lopussa 2025, rakentuu maaliskuussa esitellyn Gemini Robotics -alustan pohjalle, joka toi Gemini 2.0:n multimodaalisen päättelyn ensimmäistä kertaa fyysiseen maailmaan. Uusimman julkaisun tekee mullistavaksi sen kyky toimia itsenäisesti ilman pilviyhteyttä, kuitenkaan suorituskyvystä tinkimättä.
"Gemini Robotics On-Device osoittaa vahvaa yleiskäyttöistä ketteryyttä ja tehtävien yleistämistä, ja se on optimoitu toimimaan tehokkaasti itse robotissa", todetaan Google DeepMindin virallisessa tiedotteessa. Riippumattomuus verkkoyhteydestä tekee siitä erityisen arvokkaan viiveherkkiin sovelluksiin sekä ympäristöihin, joissa yhteys on katkonainen tai puuttuu kokonaan.
Vertailutestien mukaan Google väittää laitekohtaisen mallin yltävän lähes pilvipohjaisen version tasolle ja päihittävän muut laitekohtaiset vaihtoehdot etenkin haastavissa, poikkeavissa tehtävissä ja monivaiheisissa ohjeissa.
Malli osoittaa huomattavaa sopeutumiskykyä: se tarvitsee vain 50–100 esimerkkiä oppiakseen uusia tehtäviä. Vaikka malli on alun perin koulutettu ALOHA-roboteille, Google on onnistuneesti soveltanut sitä myös kaksikätisiin Franka FR3 -robotteihin sekä Apptronikin Apollo-humanoidirobottiin, mikä osoittaa sen monipuolisuuden eri robottialustoilla.
Mallin rinnalla Google julkaisee Gemini Robotics SDK:n, jonka avulla kehittäjät voivat arvioida ja räätälöidä teknologiaa omiin käyttötarkoituksiinsa. SDK mahdollistaa testauksen Googlen MuJoCo-fysiikkasimulaattorissa ja tarjoaa työkaluja nopeaan sovittamiseen uusiin käyttökohteisiin.
Tämä kehitysaskel merkitsee huomattavaa edistystä käytännön robotiikassa tuomalla kehittyneen tekoälyn suoraan robottien laitteisiin. Vaikka kuluttajasovellukset saattavat olla vielä vuosien päässä, Google DeepMindin robotiikkajohtaja Carolina Parada näkee laajat mahdollisuudet: "Ne voivat olla hyödyllisempiä teollisuudessa, jossa ympäristöt ovat monimutkaisia, tarkkuus on tärkeää ja tilat eivät ole ihmisystävällisiä. Ja ne voivat olla avuksi myös ihmiskeskeisissä ympäristöissä, kuten kodeissa."