Gemini Robotics-ER 1.6: Powering real-world robotics tasks through enhanced embodied reasoning
本条目由 AI 按收录标准筛选与撰写，经独立的 AI 核查在原文中逐条找到依据，未经人工审核；数字与结论以原文为准。
相关报告
收录理由
该报告为 Google DeepMind 博客，介绍具身推理模型升级，披露 pointing、成功检测与仪表读数等评测及对照设置，说明 agentic vision 开关，并提供 API 与开发者 Colab 示例。
关键要点
- 该模型相对 Gemini Robotics-ER 1.5 与 Gemini 3.0 Flash，在 pointing、计数与成功检测等空间与物理推理能力上显著提升。
- 仪表读数评测在启用 agentic vision 下运行（Gemini Robotics-ER 1.5 不支持因而除外）；其余评测关闭 agentic vision；单视角与多视角成功检测样例不同不可比。
- 在基于真实受伤报告的安全危害识别任务上，Gemini Robotics-ER 相对 Gemini 3.0 Flash 基线在文本场景 +6%、视频场景 +10%。
- Gemini Robotics-ER 1.6 通过 agentic vision 结合 zoom、pointing 与 code execution 实现高精度仪表读数等复杂视觉推理。
- 模型在空间输出中更易遵守物理安全约束，例如不处理液体、不抓取重于 20kg 的物体；在对抗性空间推理任务上较以往世代更符合 Gemini 安全策略。
- 即日起可通过 Gemini API 与 Google AI Studio 使用 Gemini Robotics-ER 1.6，并提供含配置与 prompting 示例的开发者 Colab。