Gemini Robotics-ER 1.6是最新的机器人推理模型，提升了空间推理和多视角理解能力，使机器人能更精准地理解环境，执行复杂任务，如读取仪器数据，并在动态环境中进行推理。该模型增强了安全性，更好地遵循物理安全约束。开发者可通过Gemini API和Google AI Studio使用此模型。

本文介绍了一种基于视觉语言模型的3D场景理解框架，旨在提升机器人在复杂环境中的推理能力。通过训练开放式模型RegionPLC，结合视觉提示和对比学习，显著提高了3D场景理解效果。同时，研究探讨了增强现实与知识推理的交互机制，以及利用大型语言模型提升3D视觉理解和导航能力，展示了在室内环境中实现复杂智能体交互的新可能性。

本文介绍了一种基于视觉语言模型的3D场景理解框架，涵盖了RegionPLC、Chat-3D和Scene-LLM等模型。这些模型结合了大型语言模型和3D视觉特征，提升了机器人在复杂环境中的推理和交互能力。研究表明，这些模型在多个3D基准测试中表现优越，展示了3D视觉与语言模型结合的潜力。

本文介绍了基于大规模语言模型（LLM）和强化学习（RL）的新方法，如KSL、BLINDER和Statler。这些方法通过自我监督、状态表示和任务条件化，提高了任务成功率和样本效率，增强了机器人推理和决策能力，展示了LLM在RL中的应用潜力。