VLA 图库 / 模型列表 / 2026年新增

Gemini Robotics On-Device 2

Google DeepMind · 2026-07

VLA2026年新增未公开未公开

是在机器人本地运行的VLA，以数小时·少于200个示例适应新的双臂具身。

论文

无论文 · 相关 Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots with Advanced Embodied Reasoning, Thinking, and Motion Transfer

概述

分类

2026年新增

类型

VLA

发布

2026-07

机构

Google DeepMind

权重公开

否

参数

未公开

架构

主干LLM

基于Gemma(规模未公开)

视觉编码器

—

动作头

数值型机器人动作 (未公开)

动作块

未公开

控制频率

未公开

架构原文摘要

端侧Gemma模型 + 基于Gemini Robotics 1.5技术；输入文本·图像·本体感觉，输出数值型机器人动作

训练

预训练加速器

TPU (TPU Pods，JAX·ML Pathways；代次·数量未公开)

预训练时长

未公开

预训练步数·批量

未公开

GPU·TPU-小时

未公开

微调

适配数小时，示例通常少于200个；硬件未公开

数据类型

网络视觉-语言(图像·文本) + 机器人传感器·动作数据

数据规模

未公开

主要数据集

未公开

任务·评估

新平台后训练进展：SO101 6.7%→53.3%(v1 0.0%→6.7%)，Dexmate 24.4%→75.6%(v1 13.3%→33.3%)

机器人

SO101，Dexmate，双臂机器人

推理

推理设备·速度

机器人本地运行；硬件·延迟未公开

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

机载

强化学习与底盘

强化学习

未公开 · 训练方式细节未公开

底盘控制

固定 · 无底盘控制（以双臂为对象；明示移动平台·全身控制不在范围内）

备注

核心特点

是在机器人本地运行的VLA，以数小时·少于200个示例适应新的双臂具身。后训练中SO101成功率从6.7%提升到53.3%（v1 0.0%→6.7%）。

备注

已反映修正：6.7%→53.3%与24.4%→75.6%并非v1→v2比较，而是v2自身随后训练推进的提升。卡片日期冲突：PDF 2026-07-12，网页2026-07-30。PDF正文写作无编号的'Gemini Robotics On-Device'。

核验

已反映修正