Роботи вперше змогли впевнено “читати” аналогові прилади — від термометрів до манометрів. Завдяки новій моделі штучного інтелекту від Google їхня точність різко зросла майже до рівня людини. Йдеться про оновлення, яке отримав чотириногий робот Spot від Boston Dynamics — тепер він може самостійно перевіряти обладнання на заводах без участі людини. Що змінилось Google DeepMind представила модель Gemini Robotics-ER 1.6, яка дає роботам те, що називають “втіленим мисленням” — здатність не просто бачити, а розуміти фізичний світ. Раніше роботи погано справлялися з аналоговими шкалами: стрілки, поділки, відблиски і складні форми збивали алгоритми. Тепер система аналізує зображення як людина — виділяє ключові елементи, порівнює їх і робить висновки. Стрибок точності Найпоказовіше — цифри.Точність зчитування приладів зросла з 23% у попередній версії до 98% у новій. Це як перейти від майже випадкових відповідей до майже безпомилкової роботи. Навіть без ключової функції “agentic vision” модель тримає близько 86%. Чому це важко для роботів Аналогові прилади — це не просто цифри.Роботу потрібно одночасно врахувати: положення стрілки форму шкали рівень рідини текст і маркування Для людини це займає секунди. Для машини — складна задача зорового аналізу і логіки. Менше “галюцинацій” Попередні моделі часто помилялись — наприклад, “бачили” предмети, яких не існує. Нова система значно краще справляється з такими ситуаціями: вона точніше рахує об’єкти і не вигадує зайвого. Це критично для промисловості, де помилка може коштувати дорого. Де це використають Boston Dynamics уже тестує Spot як інспектора на підприємствах, зокрема на виробництвах Hyundai. Його завдання: перевірка обладнання зчитування показників контроль стану систем Фактично, робот може замінити людину в рутинних і потенційно небезпечних перевірках. Рух до “вільних” роботів Сьогодні роботи найкраще працюють у чітко визначених сценаріях — як на конвеєрі. Новий підхід змінює це: компанії намагаються зробити роботів універсальними працівниками, які можуть діяти в непередбачуваному середовищі. Це вже не просто автоматизація — це перехід до більш автономних систем. Що далі Попри прогрес, роботи ще далекі від людського рівня розуміння. Але тренд очевидний: вони швидко вчаться орієнтуватися у реальному світі. Із кожним оновленням вони менше залежать від сценаріїв і більше — від власного аналізу. Чому це важливо Це знижує витрати на обслуговування підприємств і підвищує безпеку.Менше людей — у небезпечних зонах.Більше автоматизації — у складних умовах. Але водночас зростають ризики: помилка автономного робота може мати реальні наслідки. Цікавий факт Нова модель використовує підхід “візуального чернеткового простору” — фактично робот “малює” собі підказки поверх зображення, щоб краще зрозуміти, що бачить. Це схоже на те, як людина подумки виділяє важливі деталі.