Gemini Robotics-ER 1.5
Gemini Robotics-ER 1.5 是面向机器人具身推理的预览版视觉语言模型(VLM),用于理解物理环境、规划任务并协调工具,可充当机器人系统的高层推理模块。它不同于直接输出机器人运动指令的 Gemini Robotics 1.5 视觉语言动作模型(VLA)。(deepmind.google) 理解自然语言指令和视觉场景,对物体位置、状态及可操作性进行推理,生成二维指向点;可结合机器人传…
模型发布档案
聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。
Gemini Robotics-ER 1.5 是面向机器人具身推理的预览版视觉语言模型(VLM),用于理解物理环境、规划任务并协调工具,可充当机器人系统的高层推理模块。它不同于直接输出机器人运动指令的 Gemini Robotics 1.5 视觉语言动作模型(VLA)。(deepmind.google) 理解自然语言指令和视觉场景,对物体位置、状态及可操作性进行推理,生成二维指向点;可结合机器人传…
Gemini Robotics 1.5 是 Google DeepMind 面向机器人物理任务的视觉—语言—动作(VLA)模型,可将视觉信息和自然语言指令转化为机器人运动指令。它不同于同时发布的具身推理模型 Gemini Robotics-ER 1.5。(deepmind.google) **感知与动作执行:**结合视觉观察、文本指令和机器人本体感知信息生成动作,用于物体操作和多步骤任务。 **行…
Google 于 2025 年 9 月 25 日发布的 Gemini 2.5 Flash-Lite 预览版本,面向注重成本效率、速度和高吞吐量的多模态任务。发布公告称,这一预览版并不计划直接升级为新的稳定版本。(developers.googleblog.com) 接受文本、图像、视频、音频和 PDF 输入,输出文本;输入上限为 1,048,576 token,输出上限为 65,536 token…
Gemini 2.5 Flash 的 2025 年 9 月预览版本,面向兼顾响应速度、推理能力和成本效率的应用。Google 将其定位于大规模处理、低延迟高吞吐任务以及智能体场景。(web.archive.org) 支持处理文本、图像、视频和音频输入,并支持思考能力;可用于需要推理的批量任务。 官方称该版本改进了智能体工具使用,适合复杂、多步骤应用;在 SWE-bench Verified 上,官…