💡
原文英文，约500词，阅读约需2分钟。
📝
内容提要
谷歌DeepMind推出Gemini Robotics-ER 1.5，这是一个支持空间推理和多步骤规划的机器人推理模型。开发者可以通过Google AI Studio和Gemini API预览该模型，并调整思维预算以平衡响应延迟和推理准确性。Gemini Robotics结合了推理模型与视觉-语言-动作模型，提升了机器人的推理能力，并在15个基准测试中表现优异，适用于多种机器人平台。
🎯
关键要点
- 谷歌DeepMind推出Gemini Robotics-ER 1.5，这是一个支持空间推理和多步骤规划的机器人推理模型。
- 开发者可以通过Google AI Studio和Gemini API预览该模型，并调整思维预算以平衡响应延迟和推理准确性。
- 该模型能够输出基于物体大小、重量和可用性的精确2D点，支持诸如指向可拾取物体的命令。
- Gemini Robotics-ER 1.5包含安全机制，防止不安全或物理上不可行的计划，并检查有效载荷限制和工作空间约束。
- 该模型不直接控制机器人执行器，而是可以调用外部工具，如视觉-语言-动作模型或用户定义的函数来执行命令。
- Gemini Robotics结合了推理模型与视觉-语言-动作模型，允许不同配置的机器人共享更高层次的推理能力。
- 与其他大型机器人模型相比，Gemini Robotics-ER强调可控的推理深度和安全机制。
- 初步反应显示出兴趣与谨慎，工程师认为可调的推理预算是平衡准确性和部署速度的有用特性。
- AI顾问Sonia Sarao认为该模型的通用性将对机器人技术产生变革性影响。
- CPA Brian Orlando称其为真正的转折点，认为机器人推理和规划的能力将改变未来。
- Gemini Robotics-ER 1.5在15个机器人基准测试中表现出色，兼容多种机器人平台，支持从实验室测试到实际部署的过渡。
➡️
