Google DeepMind 今天发布了 Gemini Robotics 2.0,这是一项重大升级,使机器人能够以更高的灵巧度与更强的安全性执行更复杂的任务。包括 Embodied Reasoning 2(ER 2)子模型在内的新模型,将自今天起通过 Gemini Live API 向开发者开放。
ER 2 是一个视觉语言模型,可处理来自机器人摄像头的实时视频流,以实时跟踪任务的进展,并在视频帧完整性分类方面实现 60% 的准确率,相比此前 1.6 版有明显提升。该系统使具备复杂手部结构的人形机器人能够完成全身任务,朝着 DeepMind 所称的“物理 AGI”迈进。