具身智能（Embodied AI）正处于从“感知”向“认知”跨越的关键节点。当大模型不再局限于屏幕内的对话，而是需要驱动机械肢体在物理世界中作业时，空间推理能力便成为了决定落地成败的核心壁垒。
Google DeepMind 最新动作表明，他们正试图通过强化模型的空间理解能力，为机器人装上更为敏锐的“眼睛”与“大脑”。这一次，焦点落在了空间推理与真实场景的交互上。
Gemini Robotics 系列迎来主打空间推理的第三代模型升级。
Google DeepMind 正式发布了最新的机器人推理模型——Gemini Robotics-ER 1.6。
在演示场景中，搭载该模型的波士顿动力机器狗 Spot 展现出了以往罕见的精细操作能力：它能够自主走到工厂环境的压力表前，停稳，并准确读出表盘数字，精度甚至可辨识刻度以下的数值。
面对机械臂操作任务，新模型也能自主判断任务的启动时机与完成状态。
这标志着 Gemini Robotics 系列在空间推理方向的第三代迭代。值得注意的是，九年前谷歌将波士顿动力出售，而在今年 CES 上双方刚宣布重新达成合作，ER 1.6 便是这一战略合作重启后的首个正式技术成果。
DeepMind 负责人哈萨比斯也在第一时间对外分享了这一进展。
ER 1.6 的定位清晰：作为机器人的高层大脑。它不直接底层的机械动作控制，而是专注于理解环境、制定计划以及调用工具。
无论是谷歌搜索、VLA（视觉 – 语言 – 动作）模型，还是开发者自定义的函数，均可被直接调用。
相较于上一代 ER 1.5 及 Gemini 3.0 Flash，新模型在空间推理、物体计数以及任务成功检测等维度均有显著提升。此外，还新增了一项关键能力：读取仪表。
在官方技术博客中，作者 Laura Graesser 和 Peng Xu 开篇即指出：
机器人若要真正具备实用性，就必须超越单纯的指令执行，进而实现对物理世界的推理。
ER 1.6 的核心升级逻辑围绕一点展开：让机器人真正「看懂」其所处的环境。
以 Spot 在工厂的演示为例。工业设施中存在大量需要持续监控的仪器，如温度计、压力表及化学视镜。以往，Spot 虽能走近拍摄，却无法理解图像中的数字含义。
ER 1.6 改变了这一现状。
模型读取仪表的过程分为三步：首先放大图像以看清微小刻度；其次利用 Pointing 能力定位指针与刻度，结合代码计算比例；最后调用世界知识，将数字解释为具有物理意义的读数。
这套组合拳效果显著。数据显示，ER 1.5 的仪表识别成功率仅为 23%，而引入 Agentic Vision 后的 ER 1.6 达到了93%。
波士顿动力 Spot 副总裁Marco da Silva评价道：
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。
仪表识别能力的突破，背后依托的是Pointing能力的支撑。
Pointing 是 ER 模型从初代便开始训练的基本功。其核心在于让模型用「点」来表达对空间的理解：物体在哪里、数量多少、如何移动以及最佳抓取位置。
ER 1.5 在此任务上表现尚不稳定：面对工具图，它曾数错锤子数量，遗漏剪刀，甚至幻觉出不存在的手推车。
ER 1.6 则能准确无误地回答：锤子 2 把、剪刀 1 把、画笔 1 支、钳子 6 把。更关键的是，对于图中不存在的事物，模型学会了不去错误指向。
ER 1.6 的另一项升级在于成功检测。
知晓任务何时结束，与知晓如何开始，同样是自主性的核心要素。
传统系统往往做完一个动作即判定结束。但在真实场景中，遮挡、光线变化及模糊指令使得「做完了」这一状态本身就需要复杂判断。
ER 1.6 强化了多视角推理能力。机器人通常配备多个摄像头（如头顶、手腕），系统需将这些视角合并为连贯的判断。
例如演示中的任务：把蓝色笔放进黑色笔筒，任务完成了吗？
ER 1.6 能基于多角度画面，给出可靠的答案。
值得一提的是，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 公斤物体等物理安全约束，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）。
外界可能会好奇，为何谷歌选择用波士顿动力的狗来展示模型能力？
这背后是一段漫长的分合故事。
谷歌 2013 年收购波士顿动力，2017 年卖给软银，当时理由是看不到商业闭环。
2020 年现代汽车以 8.8 亿美元接盘。随后在 2025 年 11 月，波士顿动力的前 CTO Aaron Saunders 离职，加入谷歌 DeepMind。
2026 年 1 月 CES 期间，两家在现代汽车的发布会上宣布正式合作，目标是将 Gemini Robotics 部署到 Atlas 人形机器人上。
出售九年，如今又以另一种形式回归。
哈萨比斯的战略意图明确：谷歌不做硬件，而是要成为「机器人领域的 Android」，为所有机器人厂商提供大脑。
此次 ER 1.6 发布，署名为两位作者：Laura Graesser和Peng Xu。
Laura Graesser拥有牛津本科、NYU 硕士背景，2018 年加入 Google，2023 年至今在 DeepMind 从事机器人研究，还合著过强化学习教科书《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项目，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。
从行业视角观察，谷歌此举意在构建通用的机器人操作系统生态。通过强化模型的空间推理与安全性，降低开发商的准入门槛，这与当年 Android 开放授权策略异曲同工。
然而，具身智能的落地仍面临硬件成本、场景碎片化及长尾问题等挑战。谷歌与波士顿动力的再度联手，虽展示了软件定义硬件的潜力，但能否在特斯拉 Optimus 等竞争对手之前建立起广泛的开发者生态，仍是后续观察的重点。空间推理能力的提升只是第一步，如何让机器人在非结构化环境中持续、稳定地创造价值，才是检验「机器人安卓」成色的关键。
