北京
henry 發自 凹非寺
量子位 | 公眾號 QbitAI
剛剛，Google DeepMind發布了最新的機器人推理模型——
Gemini Robotics-ER 1.6
搭載它的波士頓動力機器狗Spot，現在能走到工廠里的壓力表前，停下來，讀出數字。精確到刻度以下。
機械臂面對操作任務時，也能判斷什么時候開始，什么時候算完成。
說起來，這已經是Gemini Robotics主打空間推理的第三代模型。
九年前谷歌把波士頓動力賣掉，今年CES剛宣布重新合作，ER 1.6就是這次新開始的第一個正式成果。
掌門人哈薩比斯也是第一時間轉發了。
ER 1.6的定位是機器人的高層大腦，不直接控制機械動作，而是負責理解環境、制定計劃、調用工具——
谷歌搜索、VLA、或者開發者自己定義的任何函數，都可以直接調用。
相比上一代ER 1.5和Gemini 3.0 Flash，新模型在空間推理、物體計數、任務成功檢測上均有顯著提升。
還多了一個全新能力，讀儀表。
Gemini Robotics-ER 1.6
在技術博客中，Laura Graesser和Peng Xu兩位作者開篇寫道：
機器人要真正有用，就必須不只是執行指令，而是要對物理世界進行推理。
ER 1.6的核心升級圍繞一件事，讓機器人真正「看懂」它所處的環境。
儀表識別
先看Spot在工廠里做的那件事。
工業設施里有大量儀器需要持續監控，溫度計、壓力表、化學視鏡。以前Spot能走過去拍一張照片，但看不懂上面的數字。
ER 1.6讓這件事變了。
模型讀儀表分三步。先放大，把小刻度看清楚；再用Pointing定位指針和刻度，結合代碼計算比例；最后調用世界知識，把數字解釋成有意義的讀數。
這套組合的效果，ER 1.5的儀表識別成功率是23%，加上Agentic Vision之后，ER 1.6達到了93%
波士頓動力Spot副總裁Marco da Silva表示：
儀表識別等能力和更可靠的任務推理，將使Spot能夠完全自主地觀察、理解并應對現實世界的挑戰。
Pointing，空間推理的基石
儀表識別能做到這一步，背后是Pointing能力的支撐。
Pointing是ER模型從初代就在練的基本功。簡單說，就是讓模型用「點」來表達它對空間的理解，哪里有什么，有幾個，怎么移動，抓哪里最合適。
ER 1.5在這一任務上表現不佳：給它一張工具圖，它數錯了錘子數量，漏掉了剪刀，還把圖里根本不存在的手推車給「指」了出來。
ER 1.6則能把這些全部答對，錘子2把、剪刀1把、畫筆1支、鉗子6把，一個不差。更關鍵的是，對于圖里沒有的東西，它知道不去指。
成功檢測，知道什么時候停
ER 1.6還有一個升級，成功檢測。
知道任務何時結束，和知道如何開始，同樣是自主性的核心。
以前的系統，做完一個動作就算完了。但真實場景里有遮擋、有光線變化、有模糊指令，「做完了」這件事本身就需要判斷。
ER 1.6強化了多視角推理，機器人通常有多個攝像頭，頭頂一個、手腕一個，系統需要把這些視角合并成一個連貫的判斷。
比如開頭的那個demo：把藍色筆放進黑色筆筒，任務完成了嗎？
ER 1.6能從多個角度的畫面里，給出一個可靠的答案。
順帶一提，這也是谷歌迄今最安全的機器人模型。
在對抗性空間推理任務里，ER 1.6對安全指令的遵循程度優于所有前代版本。
不處理液體、不搬運超過20公斤的物體，這類物理安全約束，ER 1.6能通過Pointing等空間輸出做出更準確的判斷。
在基于真實傷害報告的安全隱患識別測試里，ER系列比Gemini 3.0 Flash高出6%（文字場景）和10%（視頻場景）。
谷歌與波士頓動力
看到Spot，你可能會好奇，為啥谷歌要用波士頓動力的狗？
事情是這樣的：
谷歌2013年收購波士頓動力，2017年賣給軟銀，理由是看不到商業閉環。
2020年現代汽車以8.8億美元接盤。然后2025年11月，波士頓動力的前CTOAaron Saunders離職，加入了谷歌DeepMind。
2026年1月CES，兩家在現代汽車的發布會上宣布正式合作，目標是把Gemini Robotics部署到Atlas人形機器人上。
賣出去九年，又回來了。
哈薩比斯的說法是，谷歌不做硬件，要成為「機器人領域的Android」，給所有機器人廠商提供大腦。
這次ER 1.6發布，署名了兩位作者，Laura GraesserPeng Xu
Laura Graesser是牛津本科、NYU碩士出身，2018年加入Google，2023年至今在DeepMind做機器人研究，還合著過一本強化學習教科書《Foundations of Deep Reinforcement Learning》。
她早期的研究方向之一，是讓機器人打乒乓球，系統需要在100毫秒內完成感知、計算和擊球動作。
Peng Xu是DeepMind機器人基礎模型方向的研究員，專注機器人學習與大模型的結合，不僅參與過上面的機器人打乒乓球，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。
[1]https://deepmind.google/blog/gemini-robotics-er-1-6/
[2]https://deepmind.google/models/gemini-robotics/gemini-robotics/
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
