← 全部模型

Gemini Robotics-ER 1.5

发布时间 发布主体 Googlegemini-robotics-er-1.5-preview

模型定位

Gemini Robotics-ER 1.5 是面向机器人具身推理的预览版视觉语言模型(VLM),用于理解物理环境、规划任务并协调工具,可充当机器人系统的高层推理模块。它不同于直接输出机器人运动指令的 Gemini Robotics 1.5 视觉语言动作模型(VLA)。(deepmind.google)

能力与用途

  • 理解自然语言指令和视觉场景,对物体位置、状态及可操作性进行推理,生成二维指向点;可结合机器人传感器和运动规划系统使用。
  • 分析视频中的事件顺序,规划多步骤任务,评估任务进度和完成情况。
  • 支持调用 Google 搜索和开发者定义的函数,可协调机器人 API、抓取模型或 VLA 模型;思考预算可用于权衡响应速度与推理深度。
  • 适用于桌面整理、物品定位和结合当地规则进行垃圾分类等机器人应用。(developers.googleblog.com)

输入、输出与限制

  • 官方模型资料列出的输入包括文本、图像、视频和音频,输出为文本;输入上限为 1,048,576 token,输出上限为 65,536 token。支持函数调用、结构化输出、代码执行和思考;不支持 Live API、批处理 API 或上下文缓存。(ai.google.dev)
  • 模型输出不直接等同于可靠的机器人运动控制;实际执行需要与机器人控制、感知和安全系统集成。模型可能出现物体识别或指向错误,不能将其安全判断视为经过安全认证的保护系统。(developers.googleblog.com)
  • Google 的停用表列出的该预览版关闭日期为 2026-04-30;截至 2026-11-18,该日期已过。官方当前列出的替代模型为 gemini-robotics-er-2-preview,不能将其能力或价格直接视为本模型的能力或价格。(aistudio.google.com)

发布与价格

  • **发布日期:**2025-09-25。发布时通过 Gemini API 和 Google AI Studio 向开发者提供。(deepmind.google)
  • **价格:**截至 2026-11-18,未在当前官方定价页面核实该型号的输入和输出计费金额、币种及计费单位;不应据此推断免费。(aistudio.google.com)

官方来源