ChainThink повідомляє, 14 квітня, за даними 1M AI News, Google DeepMind випустила Gemini Robotics-ER 1.6, яка позиціонується як модель високорівневих міркувань для роботів. Порівняно з попередніми версіями ER 1.5 та Gemini 3.0 Flash, ця модель має значне покращення у просторовому міркуванні та розумінні з багатьох кутів і вже доступна розробникам через Gemini API та Google AI Studio.
Основні оновлення включають три функції: по-перше, покращена точність вказівки, яка дозволяє здійснювати точне виявлення об’єктів, підрахунок, виведення просторових відношень та планування траєкторій руху, а також коректно відмовлятися від вказівки на об’єкти, яких немає на зображенні; по-друге, успішне виявлення з кількох кутів, яке дозволяє на основі даних з кількох камер оцінити виконання завдання, зберігаючи точність навіть при перекритті або в динамічному середовищі; по-третє, додана функція зчитування приладів, яка дозволяє інтерпретувати круглі манометри, вертикальні індикатори рівня, цифрові дисплеї та інші промислові прилади за допомогою agentic vision для поступового міркування.
Ця здатність читання приладів походить із співпраці DeepMind і Boston Dynamics. Того ж дня Boston Dynamics оголосила, що інтегрувала Gemini та Gemini Robotics-ER 1.6 у продукт Orbit AIVI-Learning, який був запущений для всіх клієнтів AIVI-Learning 8 квітня. Після інтеграції додано підтримку панелей приладів, що дозволяє чотириногому роботу Spot автономно проводити огляди на промислових об’єктах та зчитувати дані з приладів, таких як манометри.
Boston Dynamics зазначає, що завдяки здатності до міркувань Gemini, AIVI-Learning покращив базову продуктивність та точність у завданнях, таких як візуальний огляд, підрахунок палет, виявлення накопичення рідини. DeepMind стверджує, що ER 1.6 є їх «найбезпечнішою робототехнічною моделлю» і має кращу відповідність безпечним інструкціям у завданнях з протистояльним просторовим міркуванням порівняно з ER 1.5; у тестах на виявлення безпекових ризиків на основі реальних звітів про травми, моделі серії ER показали на 6% кращий результат у текстових сценаріях та на 10% кращий у відеосценаріях, ніж Gemini 3.0 Flash.