Google DeepMind 近日發佈新一代機器人推理模型 Gemini Robotics-ER 1.6，顯著提升機器人在物理世界中的自主感知與決策能力。據外媒報導，該模型在工廠環境的模擬儀表讀取任務中，成功率由上一代的 23% 大幅躍升至 93%。
技術細節與性能對比
| 模型 | 儀表讀取成功率 |
|---|---|
| Gemini Robotics-ER 1.6（未優化） | 86% |
| Gemini Robotics-ER 1.6（應用 Agentic Vision） | 93% |
| 前代 ER 1.5 | 23% |
| 通用模型 Gemini 3.0 Flash | 67% |
Gemini Robotics-ER 1.6 在未經特定優化前，即達到 86% 的儀表讀取成功率，應用「智能體視覺」（Agentic Vision）技術後進一步提升至 93%。相比之下，前代模型 ER 1.5 僅為 23%，通用模型 Gemini 3.0 Flash 則為 67%。此外，該模型強化多視角推理能力，能將機器人多個攝像頭（如頭頂攝像頭與腕部攝像頭）捕捉的視角整合成連貫場景。
在讀取儀表時，模型先放大圖像觀察指針與刻度，再透過指向與代碼執行估算比例及間隔，最終得出數值。 Google DeepMind 形容 Gemini Robotics-ER 1.6 為迄今最安全的機器人模型。它更有效地遵循安全策略，能理解並遵守如「不要處理液體」或「不要舉起超過 20 公斤物體」等物理限制。
AI 內容聲明：本文由 AI 工具輔助撰寫初稿，經 TechRitual 編輯團隊審閱、修訂及事實查核後發佈。如有任何錯誤或需要更正，歡迎聯絡我們。
