Google
Gemini Robotics-ER
Gemini Robotics-ER 是 Google 基於 Gemini 2.0 推出的視覺語言模型,ER 指「具身推理」。它側重機器人所需的空間理解,可與機器人現有的低層控制器配合使用;它不同於以物理動作作為輸出、用於直接控制機器人的 Gemini Robotics。(deepmind.google) 支援物件偵測、指向物件部位、多視角對應和三維物件偵測等空間理解任務。 可用於感知、狀態估計、…
了解模型繁體中文
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 是 Google 基於 Gemini 2.0 推出的視覺語言模型,ER 指「具身推理」。它側重機器人所需的空間理解,可與機器人現有的低層控制器配合使用;它不同於以物理動作作為輸出、用於直接控制機器人的 Gemini Robotics。(deepmind.google) 支援物件偵測、指向物件部位、多視角對應和三維物件偵測等空間理解任務。 可用於感知、狀態估計、…
Gemini Robotics 是基於 Gemini 2.0 建構的視覺-語言-動作(VLA)模型,以物理動作為輸出模態,旨在直接控制機器人。它不同於同期發布、側重具身推理的 Gemini Robotics-ER。(deepmind.google) **泛化與互動:**能夠處理新物體、不同指令和新環境,理解多種語言的日常指令,並根據環境或指令的變化調整動作。 **靈巧操作:**官方展示了摺紙、將零…