Google DeepMindは、ロボットのハイレベル推論モデルとして位置付けられる「Gemini Robotics-ER 1.6」をリリースしました。前世代のER 1.5やGemini 3.0 Flashと比較して、空間推論や多視点理解において著しい向上が見られます。このモデルはGemini APIおよびGoogle AI Studioを通じて開発者に公開されており、主なアップグレード点は以下の3つの機能です:1. ポインティング精度の向上:物体の正確な検出、計数、空間関係の推論(例:「青いカップに入るすべての物体を指し示す」)、および運動軌道の計画に利用可能であり、画面内に存在しない物体を指し示すことを正しく拒否できる。2. 多視点でのタスク達成判定:ロボットは複数のカメラ映像を統合してタスクの達成を判断できるようになり、遮蔽や動的な環境下でも正確性を維持できる。3. 計器読み取り機能の追加:円形圧力計、垂直液面計、デジタルディスプレイなど、多種多様な産業用計器を読み取ることが可能。agentic vision(視覚推論+コード実行)を通じて段階的な推論を行い、まず詳細領域を拡大し、次にポインティングとコードを用いて比率や間隔を計算し、最後に世界知識と組み合わせて測定値を導き出す