Google DeepMindは、空間推論と多視点理解におけるロボットの能力を大幅に向上させる新しい高次推論モデル「Gemini Robotics-ER 1.6」を発表しました。このモデルはGemini APIおよびGoogle AI Studioを通じて利用可能で、指差し精度の向上、多視点成功検出、高度な計器読み取り能力という3つの主要なアップグレードを導入しています。これらの強化により、ロボットは正確な物体検出を行い、複数のカメラ映像を統合してタスクを完遂し、エージェントビジョンを用いてさまざまな産業用計器を解釈できるようになります。 Boston Dynamicsは、Gemini Robotics-ER 1.6をOrbit AIVI-Learning製品に統合し、Spotロボットが産業現場を自律的に巡回し、圧力計などの計器からデータを読み取れるようにしました。この統合は4月8日から利用可能で、Spotの視覚検査や液体のたまり検出などのタスクにおける性能を向上させています。DeepMindは、ER 1.6をこれまでで最も安全なモデルと位置づけており、従来モデルと比較して安全指示の遵守性やリスク識別テストで優れた結果を示しています。