Gemini 机器人模型实测：精准拆解9分钟挖掘机视频

DynamicWebPaige · x · 2026-07-30

Google 的 Gemini Robotics 模型在视频理解方面展现出强大能力。实测显示，给定一段长达 9 分钟的挖掘机装载卡车视频，该模型能将其精准分割为 40 多个独立片段，并清晰标注每一次挖土和倾倒的动作及位置。

此外，模型还能自动统计特定动作的执行次数、追踪进入特定区域的设备类型，并汇总传感器读数，实现了对复杂长视频的多维度结构化解析。