Google DeepMind تطلق Gemini Robotics-ER 1.6 لتعزيز استقلالية الروبوتات وقراءة العدادات

في 14 أبريل 2026 كشفت Google DeepMind عن Gemini Robotics-ER 1.6، وهو تحديث لنموذج reasoning يعمل بوصفه طبقة إدراكية عليا للروبوتات في العالم الفيزيائي. لا تكمن الفكرة الأساسية في الإصدار 1.6 في إضافة نموذج VLA آخر، بل في منح الروبوت تفكيرًا مكانيًا أدق: فالنموذج يفهم المشهد بشكل أفضل، ويعدّ الأجسام، ويحدد ما إذا كانت المهمة قد أُنجزت، ولأول مرة يقرأ بثقة عدادات معقدة مثل مقاييس الضغط ومؤشرات المستوى والشاشات الرقمية.

تصف DeepMind نموذج Gemini Robotics-ER بأنه نموذج reasoning-first موجّه لـ embodied AI. وهو مخصص للحالات التي لا يكفي فيها أن يتعرف الروبوت على الجسم، بل يحتاج إلى فهم العلاقات بين الأشياء، واختيار نقطة الإمساك، والتحقق من القيود، وتقرير الخطوة التالية. وفي الإصدار 1.6 جرى تعزيز pointing بشكل ملحوظ، أي القدرة على الإشارة إلى الأجسام واستخدام هذه النقاط خطوةً وسيطة في الاستدلال. ويساعد ذلك على عدّ الأشياء بدقة أكبر، ومقارنة الأحجام، ورسم المسارات، وتنفيذ تعليمات تتضمن شروطًا مكانية.

كما حصل النموذج على فهم محسّن متعدد الزوايا (multi-view understanding): فهو يجمع صورة موحدة من عدة كاميرات، مثل كاميرا علوية وأخرى مثبتة على الذراع الآلية. وللمطورين، أصبح Gemini Robotics-ER 1.6 متاحًا بالفعل عبر Gemini API وGoogle AI Studio، إلى جانب أمثلة Colab للإعداد وهندسة الأوامر (prompt engineering).

أبرز القدرات الجديدة هي قراءة العدادات، وقد نشأت من التعاون مع Boston Dynamics. ففي المنشآت الصناعية تصادف الروبوتات بانتظام موازين حرارة ومقاييس ضغط دائرية وزجاجًا للمعاينة ومؤشرات مستوى عمودية، وهنا لا يكفي تصنيف الصورة، بل المطلوب استخراج القيمة بدقة. ولهذا يعتمد Gemini Robotics-ER 1.6 على agentic vision، وهي منظومة تجمع بين الاستدلال البصري وتنفيذ الأكواد. يقرّب النموذج أولًا الجزء المطلوب من الصورة، ثم يحدد النقاط الرئيسية، ويقدّر الفواصل والنسب، وبعد ذلك يطابق ذلك مع المقياس ووحدات القياس والسياق.

وبحسب Google DeepMind، سجّل الإصدار 1.5 في مهمة instrument reading نسبة 23%، وGemini 3.0 Flash نسبة 67%، وRobotics-ER 1.6 نفسه 86%، ومعه agentic vision بلغت النسبة 93%. لم يعد الأمر مجرد عرض يثبت أن الروبوت «يرى» العداد، بل خطوة نحو سيناريو يتولى فيه الروبوت الجولة بنفسه، ويقرأ القراءات، ويفهم ما تعنيه فعلًا.

ومن المحاور المهمة الأخرى تحديد نجاح الإجراءات والسلامة. فالروبوت المستقل لا يكفيه أن يبدأ المهمة، بل عليه أن يدرك متى اكتملت فعلًا، ومتى ينبغي إعادة المحاولة. وتشير DeepMind إلى أن النموذج بات أفضل في success detection حتى في المشاهد الديناميكية، ومع الحجب الجزئي والزوايا الملتبسة.

وبالتوازي، جرى تحسين الالتزام بالقيود الفيزيائية: فعلى النظام مثلًا أن يراعي بدقة أكبر محظورات من قبيل «عدم التقاط السوائل» أو «عدم رفع أجسام يزيد وزنها على 20 كغ». وفي اختبارات التعرف على المواقف الخطرة من النص والفيديو، حسّنت عائلة Gemini Robotics-ER النتيجة مقارنة بـ Gemini 3.0 Flash بنسبة 6% و10% على التوالي.

وفي المقابل، تنص Google نفسها بشكل منفصل على قيد مهم: النموذج غير مخصص للتطبيقات الحرجة للسلامة، مثل الطب والنقل وغيرها من البيئات التي قد يؤدي فيها الخطأ إلى إصابات أو أضرار.

والمعنى العملي للإصدار أن Google تحوّل embodied reasoning تدريجيًا من موضوع بحثي إلى طبقة بنية تحتية لقطاع الروبوتات. فـ Gemini Robotics-ER 1.6 لا يتحكم بالعتاد مباشرة، لكنه يمنح الروبوتات مستوى تفكير أعلى وأقوى يمكن ربطه بنماذج VLA وبالبحث وبالدوال الخارجية. وبالنسبة للقطاع، هذه إشارة أيضًا إلى أن الواجهة بين النماذج اللغوية والروبوتات تقترب من الاستخدام التجاري. وإذا أثبتت هذه المنظومة جدواها خارج المختبر، فسيحصل السوق على روبوتات لا تتحرك وفق سيناريو مسبق فحسب، بل تفسّر المحيط، وتتحقق من النتيجة، وتقرأ عدادات حقيقية دون وجود إنسان في حلقة التحكم.