谷歌最强具身推理模型:Gemini Robotics ER 2 登场,支持连续视频理解与多机器人协作
谷歌DeepMind出了个新模型Gemini Robotics ER 2,能让机器人看懂连续视频、自己纠错,还能和别的机器人一起干活,速度比大模型快4倍,开发者现在就能用上。
IT之家原文
谷歌DeepMind出了个新模型Gemini Robotics ER 2,能让机器人看懂连续视频、自己纠错,还能和别的机器人一起干活,速度比大模型快4倍,开发者现在就能用上。
这篇论文用4B小模型在具身推理上打败了7B的Mimo-Embodied,平均提高12%,靠的是把每一步推理都牢牢钉在视觉证据上,挺有意思。