Google推出具身推理模型ER 2，强化视频级失败检测、仪表读取和空间VQA。
推荐理由：ER 2从静态图像转向原始视频失败检测，并扩展到10类仪表读取，关键在于让机器人感知执行过程中的偏差，而非只做事后视觉问答。
阅读原文