Google resmi memperkenalkan model penalaran fisik baru bernama Gemini Robotics ER 2 untuk kebutuhan robotika.

Model canggih ini menggabungkan kemampuan pemahaman video, orkestrasi tugas, serta fitur kolaborasi antar-robot.

Sistem ini bekerja sebagai lapisan penalaran tingkat tinggi pada robot, sementara tugas eksekusi motorik ditangani model Vision-Language-Action.

Dibandingkan versi sebelumnya, sistem anyar ini membawa peningkatan signifikan pada aspek pemahaman video dan pelacakan progres tugas.

Peningkatan Fitur Pemahaman Video dan Pelacakan Tugas

Kemampuan pemahaman video yang diperbarui memungkinkan robot mengevaluasi bingkai video secara berkelanjutan.

Robot dapat memverifikasi apakah suatu tugas kompleks telah selesai sebelum melanjutkan ke langkah berikutnya.

Pembaruan ini berfokus pada dua aspek utama yaitu klasifikasi progres dan pencarian momen penting.

Klasifikasi progres membantu robot melacak tahapan penyelesaian tugas melalui pembagian persentase tertentu.

Sementara itu, fitur pencarian momen membantu robot mengidentifikasi bingkai video saat peristiwa penting terjadi.

Model ini mencatat angka 0,96-second mean absolute distance dalam menjalankan tugas pencarian momen tersebut.

Kolaborasi Multi-Robot dan Peningkatan Penalaran Spasial

Gemini Robotics ER 2 memperkenalkan kolaborasi multi-robot yang membuat perangkat berbeda dapat berkomunikasi menggunakan pemahaman semantik.

Berbagai robot dapat berkontribusi sesuai kemampuan spesifik mereka, seperti robot beroda dan robot humanoid.

Google mendemonstrasikan kapabilitas tersebut menggunakan robot humanoid Apollo 2 buatan Apptronik serta Franka F3 Duo.

Selain itu, model ini meningkatkan aspek penalaran spasial dalam mendeteksi kegagalan langsung dari umpan video mentah.

Model tersebut juga memperluas pembacaan instrumen umum ke berbagai perangkat digital dan skala linier.

Pengembang dapat mengakses model baru ini melalui Gemini API dan Google AI Studio untuk berbagai aplikasi.