谷歌DeepMind发布Gemini Robotics ER 1.6：机器人空间感知与指认能力实现三倍成功率跨越

谷歌DeepMind最新发布的机器人大脑Gemini Robotics ER 1.6，将机器人的物理世界交互能力推向了新高度。新模型的核心突破在于其空间感知、多视角解析与仪表读取的精准度，这直接转化为机器人执行“指认”动作的成功率飙升至上一代模型的三倍。这一跨越并非简单的功能升级，而是解决了数字智能与机械动作之间的核心鸿沟，让机器人具备了在复杂、动态的物理环境中理解并执行模糊人类指令的基础能力。

新模型专门针对复杂的具身推理需求进行训练。当遇到认知难题时，它能实时调用外部工具，包括Google Search获取实时信息，或调用视觉语言动作模型（VLA）及其他自定义功能模块，将高级思维转化为具体的机械执行步骤。其指认能力是这一切的基石：从杂乱的零件盒中精准识别并挑出体积最小的螺丝钉，或在堆叠的五金件中准确清点出2把锤子、1把剪刀、1把刷子和6把相互掩盖的钳子。更关键的是，当指令目标（如特定品牌电钻）不存在时，系统能保持“视觉克制”，绝不胡乱猜测，这标志着其逻辑推理与场景理解的深度进化。

这一进步直接提升了机器人在物理操作中的安全性与合规度。机器人需要精确估算物体尺寸（如杯子的容量与口径），规划三维移动轨迹，并遵守苛刻的物理约束条件。这种精准的空间与物理推理能力，是机器人未来走进千家万户或复杂工业环境（如现代工厂、维修场景）不可或缺的前提。它不仅意味着更高的任务成功率，也预示着机器人在自主执行看表干活、清点物品、寻找工具等具体任务时，将展现出前所未有的可靠性与环境适应性。