← 全部模型

Gemini Robotics-ER

發布時間 發布主體 Google

模型定位

Gemini Robotics-ER 是 Google 基於 Gemini 2.0 推出的視覺語言模型,ER 指「具身推理」。它側重機器人所需的空間理解,可與機器人現有的低層控制器配合使用;它不同於以物理動作作為輸出、用於直接控制機器人的 Gemini Robotics。(deepmind.google)

能力與用途

  • 支援物件偵測、指向物件部位、多視角對應和三維物件偵測等空間理解任務。
  • 可用於感知、狀態估計、空間理解、規劃及程式碼生成;例如,根據杯子影像推斷抓握杯柄的方式和接近路徑。
  • 可透過少量人類示範進行情境學習。Google 表示,在其端到端機器人控制評估中,該模型的成功率達到 Gemini 2.0 的 2–3 倍;這一結果不應視為所有任務的通用表現。(deepmind.google)

限制與使用條件

  • 發布時,Google 與少量受信任的測試者合作,包括 Agile Robots、Agility Robots、Boston Dynamics 和 Enchanted Tools;初代模型目前的具體存取條件未經核實。(deepmind.google)
  • 模型生成的推理、程式碼或動作建議可能出錯。實體機器人仍需針對具體硬體實施低層安全控制,包括避碰、接觸力限制和動態穩定性保障。(ai.google.dev)
  • 官方後續推出了 Gemini Robotics-ER 1.5 等版本;其功能、介面和價格不能直接視為本條初代模型的屬性。(deepmind.google)

價格

截至 2026-11-19,未核實初代 Gemini Robotics-ER 的官方輸入或輸出計費價格、幣別及計費單位。官方定價頁面中後續版本的報價不應套用於初代模型。查詢來源:Google Gemini API 官方定價。(aistudio.google.com)

發布日期與來源