Gemini Robotics ER 2: Video Anlayışı, Görev Orkestrasyonu ve Çoklu Robot İş Birliği ile Robotikte Güç

Google DeepMind, robotlar için üst düzey bir beyin görevi gören ve somutlaştırılmış akıl yürütme modeli olan Gemini Robotics ER 2'yi tanıttı. Bu model, insanlarla sohbet edebiliyor, fiziksel dünyayı anlayabiliyor, çok adımlı görevler planlayabiliyor ve motor yürütmeyi alt seviye görsel-dil-eylem (vision-language-action, VLA) modellerine devredebiliyor. Model, Google Arama veya kullanıcı tanımlı fonksiyonlar gibi araçları yerel olarak çağırabiliyor. ER 1.6'dan farklı olarak, sürekli video akışlarını işleyerek ilerlemeyi takip ediyor, hatalara uyum sağlıyor ve görevin tamamlandığını belirliyor. Çoklu robot iş birliği tanıtılarak farklı robotların birlikte çalışması sağlanıyor. Gemini Robotics ER 2, ilerleme sınıflandırmasında %57,4 doğruluk ve an bulma görevlerinde %91,3 doğruluk ile saniyenin altında gecikme süresi elde ediyor. Bir insan yakındayken insansı robotu durdurma gibi güvenlik kıyaslamalarında önceki modellerden daha iyi performans gösteriyor. Model, Gemini API'si, Google AI Studio ve Gemini Enterprise Agent Platform'da özel önizleme ile herkese açık olarak sunuldu.