何が起きたか
Google DeepMindは、ロボットの身体化推論に特化したモデル「Gemini Robotics-ER 1.6」を発表した。同モデルは、空間推論とマルチビュー理解を強化し、ロボットが環境をより正確に理解できるようにする。視覚・空間理解、タスク計画、成功検出などの推論能力に特化しており、Google検索や視覚言語行動モデル（VLA）、その他のサードパーティ製ユーザー定義関数をネイティブに呼び出してタスクを実行できる。Gemini Robotics-ER 1.5およびGemini 3.0 Flashと比較して、空間的・物理的推論能力（ポインティング、カウンティング、成功検出など）が大幅に向上したとしている。また、新機能として計器読み取りを追加し、ロボットが複雑なゲージやサイトグラスを読み取れるようにした。これはBoston Dynamicsとの協業を通じて発見されたユースケースであるという。本日より、Gemini APIおよびGoogle AI Studioを通じて開発者向けに提供を開始した。
Key Facts
| Google DeepMindは、ロボットの身体化推論に特化したモデル「Gemini Robotics-ER 1.6」を発表した。 | [0] |
| 同モデルは、空間推論とマルチビュー理解を強化し、ロボットが環境をより正確に理解できるようにする。 | [0] |
| 同モデルは、視覚・空間理解、タスク計画、成功検出などの推論能力に特化している。 | [0] |
| 同モデルは、Google検索や視覚言語行動モデル（VLA）、その他のサードパーティ製ユーザー定義関数をネイティブに呼び出してタスクを実行できる。 | [0] |
| Gemini Robotics-ER 1.6は、Gemini Robotics-ER 1.5およびGemini 3.0 Flashと比較して、空間的・物理的推論能力（ポインティング、カウンティング、成功検出など）が大幅に向上したと同社はしている。 | [0] |
| 新機能として計器読み取りを追加し、ロボットが複雑なゲージやサイトグラスを読み取れるようにした。 | [0] |
| 計器読み取りは、Boston Dynamicsとの協業を通じて発見されたユースケースであると同社はしている。 | [0] |
| Gemini Robotics-ER 1.6は、本日よりGemini APIおよびGoogle AI Studioを通じて開発者向けに提供を開始した。 | [0] |
なぜ重要か
ロボットが実世界で役立つためには、指示に従うだけでなく、物理世界について推論する能力が必要とされる。Gemini Robotics-ER 1.6は、空間推論とマルチビュー理解を強化し、計器読み取りなどの新機能を追加することで、ロボットの自律性を高める可能性がある。開発者向けにAPIで提供されることで、ロボット工学の研究開発が加速する可能性がある。