Gemini Robotics 1.5

Gemini Robotics 1.5 to najnowszy model Vision-Language-Action (VLA) Google DeepMind, bedacy bezposrednim rozwinieciem oryginalnego Gemini Robotics. Przetwarza wejscie wizualne (obrazy z kamer robotow) oraz instrukcje tekstowe i generuje na wyjsciu komendy motoryczne sterujace stawami robotow. To kluczowa roznica od modeli VLM/LLM model nie opisuje, co widzi, lecz bezposrednio kontroluje ruch fizyczny.

Model wykazuje uogolnienie na nowe instrukcje, akcje i konteksty wizualne, a jeden model moze dzialac na wielu roznych platformach robotycznych (ALOHA, Bi-arm Franka, humanoid Apptronik Apollo). W tandemie z Gemini Robotics-ER 1.6 tworzy kompletny system do sterowania robotami fizycznymi.