VLA 갤러리 / 모델 목록 / 산업계 모델

Gemini Robotics-ER

Google DeepMind · 2025-03

기타산업계 모델미공개기타

행동 대신 pointing, 3D bbox, grasp 예측 같은 공간 이해 결과를 출력하는 VLM이다.

논문

Gemini Robotics: Bringing AI into the Physical WorldarXiv 2503.20020

개요

분류

산업계 모델

유형

기타

발표

2025-03

기관

Google DeepMind

가중치 공개

아니오

파라미터

미공개

구조

백본 LLM

Gemini 2.0 Flash

비전 인코더

—

액션 헤드

행동 대신 포인트·bbox·궤적·코드 출력 (기타)

청크

미공개

제어 주기

미공개

구조 원문 요약

Gemini 2.0 Flash 기반 embodied-reasoning VLM; 행동 직접 출력 없음(2D 포인트·3D bbox·grasp·궤적 출력, 코드 생성으로 로봇 제어)

학습

사전학습 가속기

TPU v4, v5p, v6e(칩 수 미공개; Gemini Robotics와 공통 모델카드)

사전학습 기간

미공개

사전학습 스텝·배치

미공개

GPU·TPU-시간

미공개

파인튜닝

미공개

데이터 종류

이미지·텍스트·로봇 센서·행동 데이터(Gemini Robotics와 공통 모델카드 서술)

데이터 규모

미공개

주요 데이터셋

미공개

태스크·평가

ERQA 400문항 제안(Table 2에 ER 자체 점수 열 없음); 2D pointing Paco-LVIS 71.3, Pixmo-Point 49.5, Where2Place 45.0; 블로그: end-to-end 제어 성공률 Gemini 2.0 대비 2~3배

로봇

해당 없음(로봇 제어는 코드 생성·in-context 예시로 수행)

추론

추론 장치·속도

미공개

추론 메모리

미공개

가중치 bf16 (계산)

미공개

실행 위치

미공개

강화학습 · 베이스

강화학습

미공개 · RL 언급 없음

베이스 제어

고정 · 행동 직접 출력 없음 (포인트·bbox·궤적·코드 생성); 베이스 제어 없음

비고

핵심 특징

행동 대신 pointing, 3D bbox, grasp 예측 같은 공간 이해 결과를 출력하는 VLM이다. ERQA(400문항) 벤치마크를 새로 제안했고, Gemini Robotics 백본은 이 모델의 증류판이다.

비고

행동을 직접 출력하지 않는 VLM(ER)이라 유형 기타. 모델카드 Hardware 행(TPU v4, v5p, v6e)이 ER에도 적용(노트의 미공개†를 수정). Training Data 행: 'Gemini Robotics-ER and Gemini Robotics were trained on datasets comprised of images, text, and robot sensor and action data.'

검증

수정 반영