您尚未登录账户
您的企业账号申请正在审核中
DeepMind推出Gemini Robotics-ER 1.6以满足精确物理AI需求
谷歌DeepMind，Alphabet Inc.的人工智能研究部门，周二发布了一款全新的基础机器人AI模型，旨在显著提升理解和精确空间推理能力。
这款新模型名为Gemini Robotics-ER 1.6，由Gemini Robotics开发，增强了空间推理和多视图理解，为各种物理代理和机器人提供了更高的自主性。
DeepMind表示，这个模型为机器人提供了高级推理能力，能够进行任务规划和工具调用。这些功能包括用于谷歌搜索的信息查找的本地工具、视觉-语言-动作模型以及其他第三方用户定义功能以扩展能力。
改进的例子包括精确的物体检测、分类和识别——这是机器人在挑选和拾取物品时必须具备的能力，尤其是在分拣包裹或清理杂乱房间时。
这在关系逻辑中也很重要，比如进行比较——例如，识别一组中最小的物体，或在将物体X移动到位置Y时定义从到关系。这与轨迹映射的增强和定义抓取物体的最佳方式相结合。
公司还表示，该模型在约束条件下表现良好，并能通过复杂的提示进行推理，如“指向每个足够小以放入蓝色杯子中的物体”。
除了让机器人移动，DeepMind的研究人员还提升了模型理解和读取仪表和仪器的能力——这需要复杂的视觉推理。这对于在工厂、仓库甚至家庭环境中操作是基本的。在许多情况下，仪表包括指针、刻度线、精细刻画的数字和更多需要解决的指示器（有时还有说明）以完全理解读数的性质。
“像仪器读取和更可靠的任务推理这样的能力将使Spot能够完全自主地看到、理解和应对现实世界的挑战，”Marco da Silva说，波士顿动力公司Spot的副总裁兼总经理，该公司开发的狗形机器人。
DeepMind表示，Robotics-ER 1.6通过代理视觉实现了这种精确度，它将视觉推理与代码执行结合在一起。模型拍摄图像的快照，解析细节，然后使用精心策划的代码估算比例和间隔以获得准确的读数，最后使用其推理引擎解释读数。
从今天开始，开发者可以通过Gemini API和Google AI Studio访问ER 1.6。
