Google представила Gemini Robotics-ER 1.6 - оновлення своєї моделі робототехніки, орієнтованої на мислення, що дозволяє роботам розуміти оточення з "безпрецедентною точністю".

За словами компанії, покращуючи просторове мислення та розуміння з кількох точок зору, розробники виводять наступне покоління фізичних агентів на цілком новий рівень автономності. Ця модель, зокрема, спеціалізується на можливостях мислення, критично важливих для робототехніки, включаючи візуальне та просторове розуміння, планування завдань та виявлення успіху.

Google окремо підкреслює, що в робототехніці не менш важливо знати, коли завдання завершено, ніж як його почати. Визначення успішного виконання є ключовим елементом автономності, оскільки воно допомагає системі приймати рішення - повторити невдалу дію чи перейти до наступного етапу плану.

Google зазначає, що нова система працює як високорівнева модель мислення для роботів, які можуть виконувати завдання, звертаючись до різних інструментів - зокрема Пошук Google, моделей зору, мови та дії (VLA), а також будь-яких сторонніх функцій, визначених користувачем.

Gemini Robotics-ER 1.6 суттєво перевершує Gemini Robotics-ER 1.5 та Gemini 3.0 Flash, особливо у завданнях просторового й фізичного мислення, зокрема в навичках вказування, підрахунку та визначення успішного.

Google також представила нову функцію - зчитування інструментів, яка дозволяє роботам розпізнавати складні вимірювальні прилади та оглядові елементи. Демонстрацію цієї можливості показали на прикладі робота Boston Dynamics.

Компанія зазначає, що, окрім цього, Gemini Robotics-ER 1.6 є її найзахищенішою робототехнічною моделлю. Вона краще дотримується політик безпеки Gemini під час завдань просторового мислення та ефективніше враховує фізичні обмеження безпеки.