Google DeepMind har lanceret Gemini Robotics-ER 1.6, en ny version af sin reasoning-først-model til robotik. Det lyder måske som endnu en modelopdatering, men det mest interessante er, at modellen nu er tilgængelig for udviklere via Gemini API og Google AI Studio. Det gør Googles robotambitioner mere håndgribelige end den sædvanlige demo-video.
Ifølge Google er fokus denne gang bedre rumlig forståelse, stærkere multi-view reasoning og mere præcis success detection – altså evnen til at afgøre, om en fysisk opgave faktisk er løst. Derudover får modellen en ny evne til at aflæse instrumenter som trykmålere, sight glasses og digitale displays. Det er en detalje, der gør nyheden mere interessant, fordi den flytter historien væk fra generel robot-hype og over i noget mere konkret og industrielt.
Det er også her, nyheden bliver relevant uden for selve robotmiljøet. Google beskriver Gemini Robotics-ER 1.6 som et højniveau-ræsonneringslag, der kan kalde værktøjer som Google Search, VLA-modeller og andre brugerdefinerede funktioner. Med andre ord er det ikke bare en model, der kan se, men en model, der kan koble perception, planlægning og handling sammen.
Google fremhæver selv, at 1.6 klarer sig bedre end både Gemini Robotics-ER 1.5 og Gemini 3.0 Flash på interne benchmarks for blandt andet pegeopgaver, multi-view forståelse og instrumentaflæsning. Samtidig kalder selskabet den sin sikreste robotmodel til dato.
Det vigtigste signal ligger dog et andet sted. Google er i gang med at gøre embodied reasoning til noget, udviklere faktisk kan bygge ovenpå. Det her handler derfor ikke kun om en smartere robotmodel, men om at gøre robotforståelse til en del af den bredere AI-stack.
Sagt mere direkte: Google forsøger at flytte robotik fra forskningsdemo til udviklerplatform. Det er stadig tidligt, men retningen er tydelig. Robotter skal ikke bare kunne følge instruktioner. De skal i stigende grad kunne forstå den fysiske verden godt nok til at handle mere selvstændigt i den.
