谷歌最強(qiáng)具身大腦發(fā)布！波士頓機(jī)器狗瞬間人模人樣

就在昨晚，Google DeepMind發(fā)布了最新的機(jī)器人推理模型——

Gemini Robotics-ER 1.6。

搭載它的波士頓動力機(jī)器狗Spot，現(xiàn)在能走到工廠里的壓力表前，停下來，讀出數(shù)字。精確到刻度以下。

機(jī)械臂面對操作任務(wù)時，也能判斷什么時候開始，什么時候算完成。

說起來，這已經(jīng)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(zhuǎn)發(fā)了。

ER 1.6的定位是機(jī)器人的高層大腦，不直接控制機(jī)械動作，而是負(fù)責(zé)理解環(huán)境、制定計劃、調(diào)用工具——

谷歌搜索、VLA、或者開發(fā)者自己定義的任何函數(shù)，都可以直接調(diào)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(shù)、任務(wù)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(shù)博客中，Laura Graesser和Peng Xu兩位作者開篇寫道：

機(jī)器人要真正有用，就必須不只是執(zhí)行指令，而是要對物理世界進(jìn)行推理。

ER 1.6的核心升級圍繞一件事，讓機(jī)器人真正「看懂」它所處的環(huán)境。

儀表識別

先看Spot在工廠里做的那件事。

工業(yè)設(shè)施里有大量儀器需要持續(xù)監(jiān)控，溫度計、壓力表、化學(xué)視鏡。以前Spot能走過去拍一張照片，但看不懂上面的數(shù)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(jié)合代碼計算比例；最后調(diào)用世界知識，把數(shù)字解釋成有意義的讀數(shù)。

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(dá)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(wù)推理，將使Spot能夠完全自主地觀察、理解并應(yīng)對現(xiàn)實世界的挑戰(zhàn)。

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(dá)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(wù)上表現(xiàn)不佳：給它一張工具圖，它數(shù)錯了錘子數(shù)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(guān)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(wù)何時結(jié)束，和知道如何開始，同樣是自主性的核心。

以前的系統(tǒng)，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(qiáng)化了多視角推理，機(jī)器人通常有多個攝像頭，頭頂一個、手腕一個，系統(tǒng)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(lán)色筆放進(jìn)黑色筆筒，任務(wù)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(jī)器人模型。

在對抗性空間推理任務(wù)里，ER 1.6對安全指令的遵循程度優(yōu)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(zhǔn)確的判斷。

在基于真實傷害報告的安全隱患識別測試?yán)铮珽R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(yè)閉環(huán)。

2020年現(xiàn)代汽車以8.8億美元接盤。然后2025年11月，波士頓動力的前CTO Aaron Saunders離職，加入了谷歌DeepMind。

2026年1月CES，兩家在現(xiàn)代汽車的發(fā)布會上宣布正式合作，目標(biāo)是把Gemini Robotics部署到Atlas人形機(jī)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(jī)器人領(lǐng)域的Android」，給所有機(jī)器人廠商提供大腦。

這次ER 1.6發(fā)布，署名了兩位作者，Laura Graesser和Peng 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(jī)器人研究，還合著過一本強(qiáng)化學(xué)習(xí)教科書《Foundations of Deep Reinforcement Learning》。

她早期的研究方向之一，是讓機(jī)器人打乒乓球，系統(tǒng)需要在100毫秒內(nèi)完成感知、計算和擊球動作。

Peng Xu是DeepMind機(jī)器人基礎(chǔ)模型方向的研究員，專注機(jī)器人學(xué)習(xí)與大模型的結(jié)合，不僅參與過上面的機(jī)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/

>End

本文轉(zhuǎn)載自“量子位”，原標(biāo)題《谷歌最強(qiáng)具身大腦發(fā)布！波士頓機(jī)器狗瞬間人模人樣》。

為分享前沿資訊及有價值的觀點，太空與網(wǎng)絡(luò)微信公眾號轉(zhuǎn)載此文，并經(jīng)過編輯。

未按照規(guī)范轉(zhuǎn)載及引用者，我們保留追究相應(yīng)責(zé)任的權(quán)利

部分圖片難以找到原始出處，故文中未加以標(biāo)注，如若侵犯了您的權(quán)益，請第一時間聯(lián)系我們。

HISTORY/往期推薦

充滿激情的新時代，

充滿挑戰(zhàn)的新疆域，

與踔厲奮發(fā)的引領(lǐng)者，

卓爾不群的企業(yè)家，

一起開拓，

一起體驗，

一起感悟，

共同打造更真品質(zhì)，

共同實現(xiàn)更高價值，

共同見證商業(yè)航天更大的跨越！

——《太空與網(wǎng)絡(luò)》，觀察，記錄，傳播，引領(lǐng)。

·《衛(wèi)星與網(wǎng)絡(luò)》創(chuàng)始人：劉雨菲

·《衛(wèi)星與網(wǎng)絡(luò)》副社長：王俊峰

·微信公眾號（ID：satnetdy）團(tuán)隊

編輯：艷玲、哈玫，周泳、邱莉、黃榕、娜娜

主筆記者：李剛、魏興、張雪松、霍劍、樂瑜、稻子、趙棟

策劃部：楊艷、若?、李真子

視覺總監(jiān)：董濘

專業(yè)攝影：馮小京、宋偉

設(shè)計部：顧錳、潘希峎、楊小明

行政部：姜河、林紫

業(yè)務(wù)部：王錦熙、瑾怡

原創(chuàng)文章轉(zhuǎn)載授權(quán)、轉(zhuǎn)載文章侵權(quán)、投稿等事宜，請加微信：15910858067

商務(wù)合作；展覽展廳設(shè)計、企業(yè)VI/CI及室內(nèi)設(shè)計、企業(yè)文化建設(shè)及品牌推廣；企業(yè)口碑傳播及整體營銷傳播等，請加微信：13811260603

雜志訂閱，請加微信：wangxiaoyu9960

·衛(wèi)星與網(wǎng)絡(luò)各分部：

成都分部負(fù)責(zé)人：沈淮

長沙分部負(fù)責(zé)人：賓鴻浦

西安分部負(fù)責(zé)人：郭朝暉

青島分部負(fù)責(zé)人：江偉

·衛(wèi)星與網(wǎng)絡(luò)總部負(fù)責(zé)人：農(nóng)燕

·會議活動部負(fù)責(zé)人：喬顥益、許克新、董今福

· 投融資及戰(zhàn)略層面合作：劉雨菲

·本平臺簽約設(shè)計公司：一畫開天（北京）文化創(chuàng)意設(shè)計有限公司

· 航天加（深圳）股權(quán)投資基金管理負(fù)責(zé)人：楊艷