Global · IA · Modelos · Robótica
Google abre Gemini Robotics-ER 1.6 con lectura de instrumentos y razonamiento multivista
El modelo de alto nivel llega a Gemini API y AI Studio para planificar tareas e interpretar entornos físicos.
Fecha de la fuente original:
Lo esencial
- El modelo de alto nivel llega a Gemini API y AI Studio para planificar tareas e interpretar entornos físicos.
Razonamiento para el robot
Google DeepMind presentó Gemini Robotics-ER 1.6 y abrió su acceso mediante Gemini API y Google AI Studio. El modelo se ocupa de comprensión visual y espacial, planificación y detección de cuándo termina una tarea. Puede invocar herramientas, búsqueda y modelos de visión-lenguaje-acción para coordinar etapas del trabajo. El anuncio destaca mejoras al contar objetos, señalar puntos y combinar imágenes de varias cámaras.
Leer manómetros y niveles
La lectura de instrumentos surgió de la colaboración con Boston Dynamics para inspecciones con Spot. El sistema combina acercamientos a la imagen, señalamiento y ejecución de código para interpretar agujas, escalas o niveles de líquido. Google comunica un 93% de aciertos en su evaluación instrumental con visión agéntica, frente al 86% sin ella; son resultados del desarrollador. Las pruebas de detección de éxito con una cámara y con varias utilizan ejemplos distintos, por lo que sus cifras no permiten una comparación directa. La publicación incluye ejemplos para desarrolladores y solicita casos de fallo específicos para ampliar la evaluación.