Robot može slijediti govorne upute, otvarati torbu i slagati odjeću dok njegov AI model radi lokalno. Google DeepMind opisao je takve demonstracije pri predstavljanju Gemini Robotics On-Devicea u lipnju 2025.
Razlika je u mjestu obrade. Model na robotu može nastaviti raditi bez mrežne veze. Google to ističe za zadatke osjetljive na kašnjenje i prostore s nepouzdanom povezivošću.
Riječ je o modelu koji povezuje vid, jezik i radnje. Snimku kamere i tekstualnu uputu pretvara u pokrete. Razumjeti zahtjev nije isto što i sigurno uhvatiti predmet.
Prema Googleu, model se u njihovim pokusima prilagodio novim zadacima uz 50 do 100 demonstracija. Ta brojka nije jamstvo da bilo koji robot tako može naučiti bilo koji posao.
Tim je sustav trenirao na robotima ALOHA, a zatim ga prilagodio drugim platformama. Među njima su postav s dvjema rukama Franka i humanoid Apollo tvrtke Apptronik. Tijelo i upravljanje tih strojeva razlikuju se.
Googleove usporedbe pokazuju i granicu. Veći sustav Gemini Robotics bio je bolji na zahtjevnijim zadacima bez istih ograničenja lokalnog rada. Manja ovisnost o mreži nosi kompromis u sposobnostima.
Početni pristup bio je namijenjen odabranim ispitivačima. Razvojni timovi i dalje trebaju provjeriti cijeli sustav, uključujući sigurnosno upravljanje. Rad bez mreže ne uklanja potrebu za provjerom.
