ChainThink thông báo, ngày 14 tháng 4, theo giám sát của 1M AI News, Google DeepMind đã ra mắt Gemini Robotics-ER 1.6, được định vị là mô hình suy luận cấp cao cho robot. Mô hình này có sự cải thiện đáng kể trong suy luận không gian và hiểu biết đa góc nhìn so với các phiên bản tiền nhiệm ER 1.5 và Gemini 3.0 Flash, và hiện đã được mở rộng cho các nhà phát triển thông qua Gemini API và Google AI Studio.
Các nâng cấp cốt lõi bao gồm ba khả năng: thứ nhất, độ chính xác chỉ mục được cải thiện, cho phép phát hiện vật thể chính xác, đếm, suy luận mối quan hệ không gian và lập kế hoạch quỹ đạo chuyển động, đồng thời từ chối chính xác các vật thể không tồn tại trong khung hình; thứ hai, phát hiện thành công từ nhiều góc nhìn, có thể tổng hợp hình ảnh từ nhiều camera để đánh giá tình trạng hoàn thành nhiệm vụ, duy trì độ chính xác ngay cả trong môi trường bị che khuất hoặc động; thứ ba, bổ sung khả năng đọc đồng hồ, có thể giải mã các đồng hồ áp suất tròn, bộ chỉ báo mực chất lỏng theo chiều dọc, màn hình kỹ thuật số và các thiết bị công nghiệp khác thông qua agentic vision để thực hiện suy luận từng bước.
Khả năng đọc đồng hồ này xuất phát từ sự hợp tác giữa DeepMind và Boston Dynamics. Cùng ngày, Boston Dynamics thông báo đã tích hợp Gemini và Gemini Robotics-ER 1.6 vào sản phẩm Orbit AIVI-Learning, chính thức ra mắt cho tất cả khách hàng AIVI-Learning vào ngày 8 tháng 4. Sau khi tích hợp, bảng điều khiển mới được hỗ trợ, cho phép robot bốn chân Spot tự động tuần tra và đọc dữ liệu từ các đồng hồ như đồng hồ áp suất trong các cơ sở công nghiệp.
Boston Dynamics cho biết, nhờ vào khả năng suy luận của Gemini, AIVI-Learning đã cải thiện hiệu suất và độ chính xác cơ sở trong các nhiệm vụ như kiểm tra thị giác, đếm pallet và phát hiện chất lỏng tích tụ. DeepMind cho biết ER 1.6 là "mô hình robot an toàn nhất" của họ, với mức tuân thủ lệnh an toàn vượt trội so với ER 1.5 trong các nhiệm vụ suy luận không gian đối kháng; trong các bài kiểm tra nhận diện rủi ro an toàn dựa trên báo cáo chấn thương thực tế, các mô hình ER vượt trội hơn Gemini 3.0 Flash tới 6% trong ngữ cảnh văn bản và 10% trong ngữ cảnh video.