El modelo visión-lenguaje-acción más eficiente de Google DeepMind, pensado para ejecutarse en el propio robot sin conexión y adaptarse a robots nuevos con pocas horas de datos.
Se adapta a nuevos robots de dos brazos con menos de 200 ejemplos, aunque tengan formas, sensores y articulaciones muy distintos.
Acceso restringido a probadores de confianza y socios de acceso anticipado. Se lanzó junto a Gemini Robotics 2 y Gemini Robotics ER 2.
Entrada de texto, imágenes y estado del robot; salida de acciones; basado en Gemini Robotics 1.5 y en modelos Gemma para el dispositivo.
