|
Google Cloud于10月27日宣布，Gemini Robotics Embodied Reasoning 2（ER 2）在其Gemini平台进入公开预览。它是面向机器人场景的视觉语言模型，定位为机器人的高层推理与编排层，可接收视频、音频、文本等输入，并调用VLA模型、导航API等低层工具。
官方列出的能力包括：根据连续视频判断任务进度、发现步骤失败后调整流程；在不同形态的机器人之间共享环境理解并协同分工；通过自然语言指令编排导航和机械臂动作。Google还给出一个视频关键帧定位评测结果：准确率91.3%，平均帧距离0.96秒，并称运行速度约为若干更大型模型类别的4倍。这些是厂商公布的数据，不等同于独立评测或真实部署效果。
本次重点是企业团队可在Google Cloud环境中试用该模型，并结合仿真、示范视频整理、VLA训练和边缘部署流程探索物理AI应用。当前仍是Preview阶段，适用能力、稳定性与可用范围应以官方文档和各项目配置为准，不能按正式GA理解。
Google Cloud官方公告（10月27日）：
https://cloud.google.com/blog/products/ai-machine-learning/gemini-robotics-embodied-reasoning-2-is-now-available-on-google-cloud
Google Cloud发布说明与模型文档：
https://cloud.google.com/gemini-enterprise-agent-platform/release-notes
https://cloud.google.com/gemini-enterprise-agent-platform/models/gemini/robotics-er-2 |
0