Narzędzia AI
Gemini Robotics-ER 1.6: co Google ogłosiło i dlaczego liczy się ER 2
Zaktualizowano: Autor: Andrzej Niemiec10 min czytania
Gemini Robotics-ER 1.6 ogłoszono 14 kwietnia 2026, a 31 sierpnia Google wycofało endpoint. Co model potrafi, jakie ma limity i czym zastąpić go w API.
Spis treści
- Czym jest Gemini Robotics-ER 1.6?
- Co ER 1.6 potrafi, a czego nie robi sam?
- Jakie wyniki Google podaje dla odczytu przyrządów?
- Czy Gemini Robotics-ER 1.6 jest jeszcze dostępny w Gemini API?
- Jakie limity miał endpoint ER 1.6?
- Czy polskie fabryki korzystają z Gemini Robotics?
- Od czego zacząć projekt z Gemini Robotics?
- Najczęstsze pytania
- Źródła
Czym jest Gemini Robotics-ER 1.6?
Gemini Robotics-ER 1.6 to wizyjno-językowy model Google DeepMind do rozumowania o świecie fizycznym. Skrót ER oznacza embodied reasoning, czyli wnioskowanie osadzone w maszynie. Model czyta obraz, wideo lub dźwięk, wskazuje obiekty, planuje zadania i ocenia, czy czynność się udała. Google ogłosiło go 14 kwietnia 2026 r. [1], a kartę modelu opublikowało 20 kwietnia 2026 r. [2]. Szersze tło rodziny modeli zebraliśmy na stronie Gemini.
Model nie jest robotem ani kontrolerem silników. To warstwa, która dostarcza decyzję, a wykonanie ruchu zostaje po stronie sprzętu i modeli sterujących. Polskie media branżowe opisały premierę jako aktualizację skupioną na rozumowaniu i projektowaną pod rzeczywiste zadania robotyczne [4].
Co ER 1.6 potrafi, a czego nie robi sam?
Dokumentacja Google wymienia rozumienie przestrzenne, wskazywanie punktów i relacji, liczenie obiektów, łączenie widoków z kilku kamer, planowanie zadania oraz wykrywanie powodzenia [3]. Wynik pracy to tekst lub dane strukturalne. Model może przy tym wywołać model VLA albo funkcję dostarczoną przez dewelopera [5].
Granica jest tu istotna. Gemini Robotics-ER 1.6 opisuje scenę i podpowiada kolejny krok, natomiast sterowanie maszyną należy do osobnego komponentu. Model VLA łączy widzenie, język i działanie, czyli odpowiada bezpośrednio za ruch [6]. W praktyce ER 1.6 jest wysoko poziomym mózgiem, a nie układem wykonawczym.
| Kryterium | Gemini Robotics-ER 1.6 | Gemini Robotics (VLA) |
|---|---|---|
| Rola w systemie | analiza sceny i planowanie | wykonanie ruchu |
| Wejście | obraz, wideo, dźwięk, tekst | polecenie i obserwacja robota |
| Wyjście | tekst, dane strukturalne, wywołanie funkcji | sekwencja ruchów |
| Odpowiedzialność za bezpieczeństwo | brak | brak, wymaga systemu maszyny |
Jakie wyniki Google podaje dla odczytu przyrządów?
Google opisuje odczyt manometrów, wskaźników poziomu i wyświetlaczy cyfrowych. Mechanizm nazywa agentic vision: model powiększa fragment obrazu, wskazuje element i wykonuje kod, żeby obliczyć wartość [3] [7].
W wewnętrznych testach Google podaje 23% dla ER 1.5, 67% dla Gemini 3.0 Flash, 86% dla ER 1.6 oraz 93% dla ER 1.6 z agentic vision [3]. To wyniki producenta, a nie niezależny certyfikat dokładności. Porównanie z ER 1.5 jest dodatkowo niepełne, bo ER 1.5 nie obsługiwał agentic vision [3]. Google podaje też poprawę o 6% w tekście i 10% w wideo względem Gemini 3.0 Flash w wykrywaniu zagrożeń [3].
W komentarzach na Hacker News pojawia się uwaga o czasie odpowiedzi. System syntetyzuje skrypt w Pythonie, uruchamia zadania wizji komputerowej i dopiero potem zwraca wynik, co bywa wolne [8]. To opinia użytkownika, nie pomiar, ale wskazuje właściwe pytanie: ile trwa jedna decyzja.
Czy Gemini Robotics-ER 1.6 jest jeszcze dostępny w Gemini API?
Nie. Model był w podglądzie od premiery 14 kwietnia 2026 r., ale dokumentacja Gemini API podaje datę wycofania 31 sierpnia 2026 r. i rekomenduje migrację do Gemini Robotics ER 2 [5].
Aktualne identyfikatory to gemini-robotics-er-2-preview oraz gemini-robotics-er-2-streaming-preview dla transmisji strumieniowej [9]. Strona modelu ER 1.6 nadal istnieje w dokumentacji i podaje limity endpointu podglądowego [10], ale nie należy traktować jej jako bieżącej oferty. Strona ER 2 na witrynie DeepMind opisuje model jako zdolny do rozumienia świata rzeczywistego i złożonego planowania wieloetapowego [11].
Projekt startujący dziś powinien więc korzystać z ER 2. Poradnik pisany pod ER 1.6 odwołuje się do endpointu, który nie jest już rekomendowany.
Jakie limity miał endpoint ER 1.6?
Dokumentacja API podaje 131 072 tokeny wejścia i 65 536 tokenów wyjścia dla wersji podglądowej [10]. Karta modelu mówi o 128 tys. tokenów kontekstu i 64 tys. tokenów wyjścia [2]. Liczby różnią się między dokumentami, więc przy budżetowaniu warto sprawdzić stronę endpointu [10].
Czy polskie fabryki korzystają z Gemini Robotics?
Źródła nie dają na to dowodu. Google opisuje współpracę z Boston Dynamics przy odczycie przyrządów i wskazuje Spot jako przykład robota [3]. Materiały prasowe wiążą model z testami w obiektach przemysłowych oraz z partnerami takimi jak Boston Dynamics, Apptronik i Hyundai [12] [13]. W żadnym z przywołanych źródeł nie ma polskiego zakładu, polskiego partnera ani wdrożenia produkcyjnego. Nie podajemy więc nazw firm ani liczb.
Tradycyjne roboty przemysłowe pracują według zaprogramowanych linii kodu lub konkretnych poleceń głosowych [14]. Modele rozumujące rozszerzają to o ocenę otoczenia, ale nie zastępują systemów bezpieczeństwa maszyny.
Trzy pytania przed pilotażem:
- Czy zadanie da się opisać przestrzennie, na przykład chwyt, ominięcie przeszkody albo odczyt miernika?
- Czy opóźnienie decyzji mieści się w takcie linii?
- Kto odpowiada za bezpieczeństwo i awaryjne zatrzymanie maszyny?
Od czego zacząć projekt z Gemini Robotics?
Od dokumentacji aktualnego modelu, czyli ER 2 [5]. Opisuje ona wejścia, wyjścia i sposób wywoływania funkcji. Dla transmisji w czasie rzeczywistym osobna strona przedstawia komunikację strumieniową [9].
Cennik modeli Gemini zmienia się w czasie, a nasze źródła nie podają ceny modelu robotycznego. Kwoty sprawdź na oficjalnej stronie cennika Gemini API przed budżetowaniem prototypu [15].
Jeśli budujesz integrację po stronie API, przeczytaj Webhooki w Gemini API. O tym, jak Gemini czyta fizyczne otoczenie w pojeździe, piszemy w artykule Volvo EX60 z Gemini. Warto też sprawdzić, jak wybierać modele do zadań produkcyjnych w tekście Gemini 3.5 Flash kontra konkurencja.
Najczęstsze pytania
Czy Gemini Robotics-ER 1.6 steruje robotem?
Nie bezpośrednio. Model zwraca tekst lub dane strukturalne i może wywołać model VLA albo funkcję dewelopera [5]. Ruch wykonuje osobny komponent. ER 1.6 pełni funkcję warstwy rozumowania, dlatego wymaga zarówno kontrolera, jak i systemu bezpieczeństwa maszyny [3].
Co oznacza skrót ER w nazwie modelu?
ER to embodied reasoning, czyli rozumowanie osadzone w świecie fizycznym [3]. Model analizuje obraz, wideo lub dźwięk i wnioskuje o przestrzeni: gdzie leży obiekt, jak jest ustawiony, czy czynność się powiodła. Nazwa odróżnia go od modelu VLA, który odpowiada za wykonanie ruchu [6].
Czy Gemini Robotics-ER 1.6 jest dostępny bezpłatnie?
Nie ma na to potwierdzenia w naszych źródłach, a endpoint został wycofany 31 sierpnia 2026 r. [5]. Dla modeli Gemini API obowiązuje oficjalny cennik [15], ale nie podajemy kwot dla modelu robotycznego, bo żadne z przywołanych źródeł ich nie zawiera.
Czy ER 1.6 to najnowsza wersja modelu?
Nie. Google wycofało ER 1.6 i wskazuje Gemini Robotics ER 2, dostępny jako gemini-robotics-er-2-preview oraz w wersji strumieniowej [5] [9]. Strona ER 2 opisuje rozumienie świata rzeczywistego i planowanie wieloetapowe [11]. Przed projektem porównaj obie strony dokumentacji.
Czy polskie firmy wdrażają Gemini Robotics?
W przywołanych źródłach nie ma potwierdzonych wdrożeń w Polsce. Opisy dotyczą współpracy z Boston Dynamics, robota Spot oraz testów u partnerów przemysłowych [3] [12]. To materiał o możliwościach modelu, nie o polskich zakładach, dlatego nie podajemy nazw firm ani wyników produkcyjnych.
Źródła
- Gemini Robotics ER-1.6 enhances reasoning to help robots navigate real-world tasks (Google, 2026)
- Gemini Robotics-ER 1.6 - Model Card (Google DeepMind, 2026)
- Gemini Robotics ER 1.6: Enhanced Embodied Reasoning (Google DeepMind, 2026)
- Gemini Robotics z nowościami (Automatyka.pl, 2026)
- Gemini Robotics ER - Gemini API (Google AI for Developers, 2026)
- Gemini Robotics-ER 1.5 i Robotics 1.5 - szansa dla robotów? (HAI Magazine, 2025)
- Agentic capabilities - Gemini Enterprise Agent Platform (Google Cloud, 2026)
- Gemini Robotics-ER 1.6 - dyskusja (Hacker News, 2026)
- Robotics with streaming - Gemini API (Google AI for Developers, 2026)
- Gemini Robotics ER 1.6 - Gemini API (Google AI for Developers, 2026)
- Gemini Robotics ER 2 (Google DeepMind, 2026)
- Google is bringing Gemini to factories with Boston Dynamics robots (hwlibre, 2026)
- Google DeepMind Unveils Gemini AI Partnership With Boston Dynamics Robots (Yahoo Finance, 2026)
- Witaj Skynecie!? Google nauczyło maszyny myśleć jak ludzie (Chip.pl, 2026)
- Gemini Developer API pricing (Google AI for Developers, 2026)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji