Ang Google DeepMind ay nagbukas ng isang modelo ng Gemini Robotics On-Device Vision Language Action (VLA) na maaaring tumakbo nang lokal sa mga robotic na aparato.
Sa mga bi-arm franks, ang modelo ng VLA ay maaaring magsagawa ng iba pang mga gawain tulad ng natitiklop na damit o magtrabaho sa mga gawain sa pagpupulong ng pang-industriya.