El modelo visión-lenguaje-acción (VLA) más capaz de Google DeepMind, que convierte lo que el robot ve y las instrucciones en lenguaje en movimientos, desde brazos de mesa hasta humanoides.
Según Google DeepMind, aumenta entre un 30 % y un 100 % el éxito en más de 200 tareas y las completa entre un 20 % y un 30 % más rápido; en una prueba con Apptronik y Mercedes-Benz, el humanoide Apollo 2 organizó piezas de coche con un 96 % de acierto. Gemini 4 Argon ayudó a entrenarlo.
Acceso restringido: se está desplegando entre los socios de robótica de Google DeepMind, con lista de espera de acceso anticipado en la página de Gemini Robotics. No tiene API pública.
Entrada de imagen y texto, salida de acciones del robot; probado en el humanoide Apollo 2 y en el robot de dos brazos Franka Duo, con nuevas salvaguardas de seguridad física.
