DeepMind发布Gemini Robotics-ER 1

DeepMind 发布 Gemini Robotics-ER 1.6：机器人高层推理能力再升级

据 1M AI News 监测，谷歌 DeepMind 发布了 Gemini Robotics-ER 1.6，定位为面向机器人的高层推理模型。相较于前代 ER 1.5 以及 Gemini 3.0 Flash，在空间推理与多视角理解方面实现了显著提升。

该模型现已通过 Gemini API 与 Google AI Studio 向开发者开放。

指向（pointing）精度大幅提升
可用于更精确的物体检测、计数与空间关系推理。例如机器人能完成类似“指出所有能放进蓝色杯子的物体”这类任务；同时还能正确拒绝指向画面中不存在的物体，降低误判与幻指风险。
多视角成功检测更稳健
机器人能够综合来自多个摄像头的画面，判断任务是否完成。即便面对遮挡或动态环境，依然能保持更高的准确性与一致性。
新增仪表读取能力
支持解读多种工业仪表，包括圆形压力表、垂直液位指示器以及数字显示屏等。通过 agentic vision（视觉推理 + 代码执行），模型可采用“逐步推理”方式读取：先放大关键细节区域，再借助指向与代码计算比例与间隔，最后结合世界知识得到读数。

DeepMind 表示，仪表读取能力源自其与 Boston Dynamics 的合作。

同日，Boston Dynamics 也宣布：已将 Gemini 与 Gemini Robotics-ER 1.6 集成到其 Orbit AIVI-Learning 产品中，并于 4 月 8 日对所有 AIVI-Learning 客户上线。

集成后新增了 gauges（仪表盘） 支持：四足机器人 Spot 现在能够在工业设施中进行自主巡检，并读取压力表等仪表数据。

Boston Dynamics 还称，得益于 Gemini 的推理能力，AIVI-Learning 在既有任务（如视觉巡检、托盘计数、积液检测等）的基线性能与准确率也获得提升。

DeepMind 介绍，ER 1.6 是其“最安全的机器人模型”。在对抗性空间推理任务中，其安全指令遵从度相较 ER 1.5 有明显提升。

在基于真实受伤报告的安全风险识别测试中，ER 系列模型相对 Gemini 3.0 Flash：文本场景高 6%、视频场景高 10%。

原创文章，作者：admin，如若转载，请注明出处：https://www.23btc.com/170926/