VLA ギャラリー / モデル一覧 / 2026年の新モデル

Gemini Robotics On-Device 2

Google DeepMind · 2026-07

VLA2026年の新モデル非公開非公開

ロボット上でローカルに動くVLAで、新しい双腕エンボディメントに数時間・例200件未満で適応する。

論文

論文なし · 関連 Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots with Advanced Embodied Reasoning, Thinking, and Motion Transfer

概要

分類

2026年の新モデル

タイプ

VLA

発表

2026-07

機関

Google DeepMind

重み公開

なし

パラメータ

非公開

構造

バックボーンLLM

Gemma構成 (サイズ非公開)

ビジョンエンコーダ

—

アクションヘッド

数値型のロボットアクション (非公開)

チャンク

非公開

制御周期

非公開

構造の原文要約

オンデバイスGemmaモデル + Gemini Robotics 1.5技術ベース; 入力はテキスト・画像・固有受容、出力は数値型のロボットアクション

学習

事前学習アクセラレータ

TPU (TPU Pods、JAX・ML Pathways; 世代・数量は非公開)

事前学習期間

非公開

事前学習ステップ・バッチ

非公開

GPU・TPU時間

非公開

ファインチューニング

適応に数時間、例は通常200個未満; ハードウェアは非公開

データ種類

Web視覚言語(画像・テキスト) + ロボットのセンサ・アクションデータ

データ規模

非公開

主要データセット

非公開

タスク・評価

新プラットフォームの事後学習の進行: SO101 6.7%→53.3%(v1 0.0%→6.7%)、Dexmate 24.4%→75.6%(v1 13.3%→33.3%)

ロボット

SO101、Dexmate、双腕ロボット

推論

推論デバイス・速度

ロボット上でローカル実行; ハードウェア・遅延は非公開

推論メモリ

非公開

重み bf16(計算)

非公開

実行場所

オンボード

強化学習・ベース

強化学習

非公開 · 学習方式の詳細は非公開

ベース制御

固定 · ベース制御なし (双腕対象; モバイルプラットフォーム・全身制御は範囲外と明記)

備考

主な特徴

ロボット上でローカルに動くVLAで、新しい双腕エンボディメントに数時間・例200件未満で適応する。事後学習中にSO101の成功率が6.7%から53.3%に上がった(v1 0.0%→6.7%)。

備考

修正反映: 6.7%→53.3%と24.4%→75.6%はv1→v2の比較ではなく、v2自体の事後学習の進行による上昇。カード日付の矛盾: PDF 2026-07-12、Web 2026-07-30。PDF本文は番号なしの'Gemini Robotics On-Device'と表記。

検証

修正反映