Gemini Robotics-ER 1.5
Gemini Robotics-ER 1.5 是面向機器人的具身推理視覺語言模型(VLM),充當機器人的高階推理與規劃元件,而非直接產生馬達控制指令的視覺語言動作模型(VLA)。(developers.googleblog.com) 理解視覺場景、物件位置與狀態,進行空間推理、任務規劃及進度評估。 分析影片中的動作順序與時間關係;可輸出物件位置、邊界框或軌跡點等資訊。 將整理桌面等多步驟自然語言指…
模型發布檔案
彙整模型發布動態,按發布時間瀏覽,探索值得關注的新模型。
Gemini Robotics-ER 1.5 是面向機器人的具身推理視覺語言模型(VLM),充當機器人的高階推理與規劃元件,而非直接產生馬達控制指令的視覺語言動作模型(VLA)。(developers.googleblog.com) 理解視覺場景、物件位置與狀態,進行空間推理、任務規劃及進度評估。 分析影片中的動作順序與時間關係;可輸出物件位置、邊界框或軌跡點等資訊。 將整理桌面等多步驟自然語言指…
Gemini Robotics 1.5 是 Google 的視覺—語言—動作(VLA)模型,將視覺資訊與指令轉換為機器人的動作指令,供實體環境中的多步驟任務使用。發布日期為 2025 年 9 月 25 日。(deepmind.google) 可在行動前進行自然語言推理,將較長任務拆分成較短的步驟;官方示例包括依顏色分類衣物。(deepmind.google)…
Gemini 2.5 Flash-Lite 的 2025 年 9 月預覽版本,著重效率與品質,適合需要快速處理大量輕量任務的應用。Google 表示,此版本改善了複雜指令遵循、回答精簡度、多模態理解與翻譯品質。(developers.googleblog.com) 支援文字、圖片、影片、音訊及 PDF 輸入,輸出為文字;可用於摘要、翻譯、圖片理解及音訊轉錄。 支援思考、函式呼叫、結構化輸出、程式碼…
Google 於 2025 年 9 月 25 日發布的 Gemini 2.5 Flash 更新預覽版,著重兼顧模型品質、速度與效率;發布時可透過 Google AI Studio 和 Vertex AI 使用。(developers.googleblog.com) 支援文字、圖片、音訊及影片輸入,產生文字輸出。Google 的 Gemini 2.5 Flash 模型卡列出約 100 萬 token…