ChainThink News, 14 апреля, по данным мониторинга 1M AI News, Google DeepMind выпустила Gemini Robotics-ER 1.6 как модель высокого уровня рассуждений для роботов. По сравнению с предыдущей версией ER 1.5 и Gemini 3.0 Flash, эта модель демонстрирует значительное улучшение в пространственном рассуждении и понимании с нескольких точек зрения. Сейчас она доступна разработчикам через Gemini API и Google AI Studio.
Основные улучшения включают три функции: во-первых, повышена точность указания, что позволяет осуществлять точное обнаружение объектов, подсчет, вывод пространственных отношений и планирование траекторий движения, а также корректно отклонять указания на объекты, отсутствующие на изображении; во-вторых, успешное обнаружение с нескольких углов зрения, позволяющее оценивать выполнение задачи на основе данных с нескольких камер, сохраняя точность даже при наличии препятствий или в динамической среде; в-третьих, добавлена способность считывать показания приборов — можно интерпретировать круглые манометры, вертикальные индикаторы уровня, цифровые дисплеи и другие промышленные приборы с помощью агентного зрения, реализуя пошаговые рассуждения.
Эта способность считывания показаний приборов обусловлена сотрудничеством DeepMind и Boston Dynamics. В тот же день Boston Dynamics объявила, что интегрировала Gemini и Gemini Robotics-ER 1.6 в продукт Orbit AIVI-Learning, который был запущен для всех клиентов AIVI-Learning 8 апреля. После интеграции появилась поддержка новых панелей мониторинга: четырехногий робот Spot теперь может автономно выполнять обход промышленных объектов и считывать показания приборов, таких как манометры.
Boston Dynamics сообщает, что благодаря способности к рассуждению Gemini, AIVI-Learning улучшил базовую производительность и точность в задачах, таких как визуальный осмотр, подсчет поддонов и обнаружение скоплений жидкости. DeepMind заявляет, что ER 1.6 является их «самой безопасной роботизированной моделью» и демонстрирует лучшее соблюдение безопасных инструкций в задачах адверсарного пространственного рассуждения по сравнению с ER 1.5; в тестах на выявление безопасностных рисков на основе реальных отчетов о травмах модели серии ER превосходят Gemini 3.0 Flash на 6% в текстовых сценариях и на 10% в видео-сценариях.