ChainThink 消息,4月14日,據 1M AI News 監測,谷歌 DeepMind 發布 Gemini Robotics-ER 1.6,定位為機器人高層推理模型。該模型相較前代 ER 1.5 和 Gemini 3.0 Flash,在空間推理和多視角理解上有顯著提升,目前已通過 Gemini API 和 Google AI Studio 向開發者開放。
核心升級包含三項能力:一是指向精度提升,可實現精確物體檢測、計數、空間關係推理及運動軌跡規劃,且能正確拒絕指向畫面中不存在的物體;二是多視角成功檢測,可綜合多個攝像頭畫面判斷任務完成情況,在遮擋或動態環境下仍能保持準確;三是新增儀表讀取能力,可解讀圓形壓力錶、垂直液位指示器、數字顯示屏等工業儀表,通過 agentic vision 實現逐步推理。
該儀表讀取能力源於 DeepMind 與 Boston Dynamics 的合作。Boston Dynamics 同日宣布,已將 Gemini 和 Gemini Robotics-ER 1.6 集成至 Orbit AIVI-Learning 產品中,並於 4 月 8 日對所有 AIVI-Learning 客戶上線。集成後新增儀表盤支援,四足機器人 Spot 可在工業設施中自主巡檢並讀取壓力錶等儀表數據。
Boston Dynamics 表示,借助 Gemini 的推理能力,AIVI-Learning 在既有視覺巡檢、托盤計數、積液檢測等任務上的基線性能和準確率有所提升。DeepMind 表示,ER 1.6 是其「最安全的機器人模型」,在對抗性空間推理任務中,安全指令遵從度優於 ER 1.5;在基於真實受傷報告的安全風險識別測試中,ER 系列模型在文本場景中高 6%、視頻場景中高 10%。
