谷歌发布最强具身大脑 波士顿动力机器狗实现拟人化智能

谷歌DeepMind的机器人推理模型迎来重要升级。最新发布的Gemini Robotics-ER 1.6，旨在让机器人更接近一个真正“实用”的智能体——它不仅需要执行命令，更要能深度理解并适应复杂的物理环境。

搭载这套新系统的波士顿动力机器狗Spot，在工厂巡检时已能自主导航至压力表前，精准停下并读取表盘刻度数值。同时，机械臂在执行操作任务时，也能自主判断任务的启动时机，以及更关键的——如何准确判定任务已圆满完成。

这是Gemini Robotics专注于空间推理的第三代模型。其发布正值一个关键节点：九年前谷歌出售了波士顿动力，而今年初的CES展会上，双方宣布再度携手。ER 1.6可视为这次“重逢”后交付的首个重要成果。DeepMind负责人德米斯·哈萨比斯也第一时间转发了相关消息。

ER 1.6的定位十分明确：充当机器人的“高层决策中枢”。它不直接操控具体关节动作，而是负责环境感知、任务规划与工具调用。无论是接入谷歌搜索、调用视觉语言模型（VLA），还是执行开发者自定义的函数，它都能胜任。

相较于前代ER 1.5及Gemini 3.0 Flash，新模型在空间推理、物体计数与任务成功判定等核心能力上均有大幅提升。此外，它还解锁了一项关键新技能：准确解读各类仪表盘。

Gemini Robotics-ER 1.6：赋能机器人深度环境感知

正如其技术博客所强调，机器人要迈向实际应用，必须超越简单的指令响应，发展出对物理世界进行逻辑推理的能力。

ER 1.6的所有核心改进，都围绕一个核心目标：让机器人系统真正“读懂”它所处的场景。

从“图像采集”到“信息解读”：仪表识别实现跨越

首先来看Spot在工业场景中展现的新技能。工厂内遍布着需要定期监控的仪表，如温度计、压力表和液位视镜。以往的Spot或许能走近并拍摄图像，但无法理解表盘显示的具体含义。

ER 1.6改变了这一局面。其仪表识别流程分为三步：首先放大图像区域以清晰捕捉细小刻度；随后利用“指向”（Pointing）能力精确定位指针与刻度线，结合代码进行比例换算；最后调用内置知识库，将原始数值转化为有实际意义的物理读数。

这套组合方案效果卓越。ER 1.5的仪表识别成功率仅为23%，而在引入“智能体视觉”（Agentic Vision）技术后，ER 1.6将成功率大幅提升至93%。

波士顿动力公司Spot产品副总裁马可·达席尔瓦对此评价：“仪表识别等高级能力，结合更可靠的任务推理，将使Spot能够完全自主地观察、解析并应对现实世界中的各类挑战。”

“指向”能力：空间理解的核心基础

仪表识别能达到如此高的精度，其根基在于“指向”（Pointing）能力的强化。这是ER模型系列自初代以来持续打磨的基本功，本质是让模型能用“空间坐标”来表达其对场景的理解——包括物体位置、数量统计以及最佳抓取或移动路径。

ER 1.5曾在此类任务上表现不足：面对一张工具图片，它错误统计了锤子数量，遗漏了剪刀，甚至指出了图中并不存在的“手推车”。而ER 1.6则能准确回答：包含2把锤子、1把剪刀、1支画笔和6把钳子，无一错漏。更重要的是，对于图中未出现的物品，它不会进行虚构。

成功状态检测：精准判断任务终点

ER 1.6的另一项重要升级是“成功检测”能力。准确判断任务何时完成，与知晓如何启动任务同样关键，这是机器人实现高度自主的核心。

以往的系统通常在执行完预设动作序列后即视为任务结束。但在真实复杂环境中，存在遮挡、光照变化和指令模糊等多种干扰因素，“任务是否真正完成”本身就需要高级认知进行判断。ER 1.6增强了多视角协同推理能力，能够综合机器人搭载的多个摄像头（如顶部和腕部）的画面信息，做出连贯且可靠的最终判定。

例如在开头的演示中：将蓝色笔放入黑色笔筒后，任务真的完成了吗？ER 1.6能从多个观测角度进行交叉验证，给出确切的肯定答案。

值得一提的是，这也是谷歌迄今为止最安全的机器人模型。在对抗性空间推理测试中，ER 1.6对安全指令的遵循程度优于所有前代版本。对于“不处理液体”、“不搬运超过20公斤物体”这类物理安全约束，它能通过“指向”等空间输出做出更精确的合规判断。

在基于真实事故报告的安全风险识别测试中，ER系列模型的表现比Gemini 3.0 Flash高出6%（文本场景）和10%（视频场景）。

谷歌与波士顿动力：九年后的战略再携手

读到这里，您可能会好奇：为何是波士顿动力的Spot？这背后有一段战略分合的历程。

谷歌于2013年收购波士顿动力，却在2017年将其出售给软银，当时公开的原因是“未能找到清晰的商业化路径”。2020年，现代汽车以约8.8亿美元的价格完成了收购。转折发生在2025年11月，波士顿动力前首席技术官亚伦·桑德斯离职并加入了谷歌DeepMind。

随后，在2026年1月的国际消费电子展（CES）上，谷歌与波士顿动力在现代汽车的发布会上正式宣布合作，目标是将Gemini Robotics系统部署到Atlas人形机器人平台。

出售九年后，又以另一种形式“回归”。哈萨比斯对此的阐释是，谷歌自身不制造硬件机器人，而是致力于成为“机器人领域的安卓系统”，为所有机器人制造商提供核心智能。

本次ER 1.6的发布，署名作者是劳拉·格雷瑟和彭旭。劳拉·格雷瑟拥有牛津大学本科和纽约大学硕士学位，于2018年加入谷歌，自2024年起在DeepMind从事机器人研究。她还合著了强化学习领域的教科书《深度强化学习基础》。

她早期的研究方向之一，是训练机器人打乒乓球，这要求整个系统在100毫秒内完成环境感知、轨迹计算与击球执行等一系列动作。

彭旭是DeepMind机器人基础模型方向的研究员，专注于机器人学习与大语言模型的融合。他不仅是上述机器人乒乓球项目的参与者，也是RT-1、RT-2、代码即策略（Cap）以及Gemini Robotics等一系列知名研究成果的核心作者之一。