Pemahaman video

Gemini Robotics ER 2 dapat melacak progres tugas dari feed video berkelanjutan menggunakan dua kemampuan:

  • Pencarian momen: mengidentifikasi stempel waktu yang tepat saat peristiwa utama terjadi.
  • Klasifikasi progres: menetapkan setiap video ke salah satu dari lima rentang penyelesaian (0–20%, 20–40%, 40–60%, 60–80%, 80–100%).

Pencarian momen

Pencarian momen mengidentifikasi frame video yang tepat saat peristiwa penting terjadi — misalnya, saat cangkir penuh atau simpul diikat. Robot menggunakannya untuk memverifikasi keberhasilan, langkah-langkah urutan, dan memicu koreksi.

Contoh perintah berikut meminta model untuk mengidentifikasi momen penyelesaian untuk tugas tertentu dalam video:

from google import genai
from google.genai import types

client = genai.Client()

with open("task_video.mp4", "rb") as f:
    video_bytes = f.read()

prompt = """
At what timestamp (in seconds) does the task reach successful completion?
Return a JSON object: {"completion_time_seconds": <float>}.
If the task is not completed, return {"completion_time_seconds": null}.
"""

response = client.models.generate_content(
    model="gemini-robotics-er-2-preview",
    contents=[
        types.Part.from_bytes(data=video_bytes, mime_type="video/mp4"),
        prompt,
    ],
)

print(response.text)

Berikut ini contoh frame dari video pencarian momen, dengan model yang mengidentifikasi stempel waktu penyelesaian tugas:

Contoh frame video yang menunjukkan output penemuan momen dengan overlay stempel waktu

Klasifikasi progres

Klasifikasi progres menetapkan video ke salah satu dari lima rentang penyelesaian: 0–20%, 20–40%, 40–60%, 60–80%, atau 80–100%. Hal ini memberi robot kesadaran situasional real-time sehingga mereka dapat menyesuaikan tindakan atau mencoba kembali langkah-langkah yang gagal tanpa memulai ulang seluruh alur kerja.

Contoh perintah berikut meminta model untuk mengklasifikasikan tingkat progres saat ini dari video:

from google import genai
from google.genai import types

client = genai.Client()

with open("task_video.mp4", "rb") as f:
    video_bytes = f.read()

prompt = """
Watch this video and classify the task progress level at the final frame.
Return a JSON object with the progress bracket:
{"progress_level": "0-20" | "20-40" | "40-60" | "60-80" | "80-100"}.
"""

response = client.models.generate_content(
    model="gemini-robotics-er-2-preview",
    contents=[
        types.Part.from_bytes(data=video_bytes, mime_type="video/mp4"),
        prompt,
    ],
)

print(response.text)

Berikut ini contoh frame dari video klasifikasi progres, dengan model yang menetapkan rentang progres:

Contoh frame video yang menampilkan output klasifikasi progres dengan label rentang progres

Contoh

Untuk contoh lengkap yang dapat dijalankan, termasuk pelacakan tugas multi-langkah, lihat Cookbook robotik.

Langkah berikutnya