Modelo de razonamiento corporizado de Google DeepMind que actúa como planificador de alto nivel para robots: entiende imágenes, vídeo y audio del entorno y responde en texto con planes, posiciones y llamadas a herramientas.
Añade razonamiento espacial avanzado, ejecución de código, orquestación de herramientas en varios pasos, localización de momentos en vídeo, seguimiento del progreso de una tarea y coordinación de varios robots. Incluye además una variante en streaming para uso en tiempo real.
En vista previa pública en la Gemini API y Google AI Studio, con dos versiones: gemini-robotics-er-2-preview y gemini-robotics-er-2-streaming-preview (Live API). En vista previa privada en Gemini Enterprise Agent Platform. Sustituye a Gemini Robotics-ER 1.6.
Entrada de texto, imágenes, vídeo y audio; salida en texto, con llamadas a funciones.
