< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
2026-04-17 15:08:17 来源：量子位
Gemini Robotics主打空间推理的第三代模型。
henry 发自 凹非寺
量子位 | 公众号 QbitAI
刚刚，Google DeepMind发布了最新的机器人推理模型——
Gemini Robotics-ER 1.6。
搭载它的波士顿动力机器狗Spot，现在能走到工厂里的压力表前，停下来，读出数字。精确到刻度以下。
机械臂面对操作任务时，也能判断什么时候开始，什么时候算完成。
说起来，这已经是Gemini Robotics主打空间推理的第三代模型。
九年前谷歌把波士顿动力卖掉，今年CES刚宣布重新合作，ER 1.6就是这次新开始的第一个正式成果。
掌门人哈萨比斯也是第一时间转发了。
ER 1.6的定位是机器人的高层大脑，不直接控制机械动作，而是负责理解环境、制定计划、调用工具——
谷歌搜索、VLA、或者开发者自己定义的任何函数，都可以直接调用。
相比上一代ER 1.5和Gemini 3.0 Flash，新模型在空间推理、物体计数、任务成功检测上均有显著提升。
还多了一个全新能力，读仪表。
在技术博客中，Laura Graesser和Peng Xu两位作者开篇写道：
机器人要真正有用，就必须不只是执行指令，而是要对物理世界进行推理。
ER 1.6的核心升级围绕一件事，让机器人真正「看懂」它所处的环境。
先看Spot在工厂里做的那件事。
工业设施里有大量仪器需要持续监控，温度计、压力表、化学视镜。以前Spot能走过去拍一张照片，但看不懂上面的数字。
ER 1.6让这件事变了。
模型读仪表分三步。先放大，把小刻度看清楚；再用Pointing定位指针和刻度，结合代码计算比例；最后调用世界知识，把数字解释成有意义的读数。
这套组合的效果，ER 1.5的仪表识别成功率是23%，加上Agentic Vision之后，ER 1.6达到了93%。
波士顿动力Spot副总裁Marco da Silva表示：
仪表识别等能力和更可靠的任务推理，将使Spot能够完全自主地观察、理解并应对现实世界的挑战。
仪表识别能做到这一步，背后是Pointing能力的支撑。
Pointing是ER模型从初代就在练的基本功。简单说，就是让模型用「点」来表达它对空间的理解，哪里有什么，有几个，怎么移动，抓哪里最合适。
ER 1.5在这一任务上表现不佳：给它一张工具图，它数错了锤子数量，漏掉了剪刀，还把图里根本不存在的手推车给「指」了出来。
ER 1.6则能把这些全部答对，锤子2把、剪刀1把、画笔1支、钳子6把，一个不差。更关键的是，对于图里没有的东西，它知道不去指。
ER 1.6还有一个升级，成功检测。
知道任务何时结束，和知道如何开始，同样是自主性的核心。
以前的系统，做完一个动作就算完了。但真实场景里有遮挡、有光线变化、有模糊指令，「做完了」这件事本身就需要判断。
ER 1.6强化了多视角推理，机器人通常有多个摄像头，头顶一个、手腕一个，系统需要把这些视角合并成一个连贯的判断。
比如开头的那个demo：把蓝色笔放进黑色笔筒，任务完成了吗？
ER 1.6能从多个角度的画面里，给出一个可靠的答案。
顺带一提，这也是谷歌迄今最安全的机器人模型。
在对抗性空间推理任务里，ER 1.6对安全指令的遵循程度优于所有前代版本。
不处理液体、不搬运超过20公斤的物体，这类物理安全约束，ER 1.6能通过Pointing等空间输出做出更准确的判断。
在基于真实伤害报告的安全隐患识别测试里，ER系列比Gemini 3.0 Flash高出6%（文字场景）和10%（视频场景）。
看到Spot，你可能会好奇，为啥谷歌要用波士顿动力的狗？
事情是这样的：
谷歌2013年收购波士顿动力，2017年卖给软银，理由是看不到商业闭环。
2020年现代汽车以8.8亿美元接盘。然后2025年11月，波士顿动力的前CTO Aaron Saunders离职，加入了谷歌DeepMind。
2026年1月CES，两家在现代汽车的发布会上宣布正式合作，目标是把Gemini Robotics部署到Atlas人形机器人上。
卖出去九年，又回来了。
哈萨比斯的说法是，谷歌不做硬件，要成为「机器人领域的Android」，给所有机器人厂商提供大脑。
这次ER 1.6发布，署名了两位作者，Laura Graesser和Peng Xu。
Laura Graesser是牛津本科、NYU硕士出身，2018年加入Google，2023年至今在DeepMind做机器人研究，还合著过一本强化学习教科书《Foundations of Deep Reinforcement Learning》。
她早期的研究方向之一，是让机器人打乒乓球，系统需要在100毫秒内完成感知、计算和击球动作。
Peng Xu是DeepMind机器人基础模型方向的研究员，专注机器人学习与大模型的结合，不仅参与过上面的机器人打乒乓球，也是RT-1、RT-2、Cap（Code as policy）、Gemini robotics等一系列著名工作的作者之一。
参考链接
[1]https://deepmind.google/blog/gemini-robotics-er-1-6/
[2]https://deepmind.google/models/gemini-robotics/gemini-robotics/
版权所有，未经授权不得以任何形式转载及使用，违者必究。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。