谷歌DeepMind发布Gemini Robotics-ER 1.6，机器人读表准确率升至93%，波士顿动力Spot率先应用

谷歌DeepMind为其机器人推理模型增加了一项工厂现场急需的能力。2026年4月14日，这家Alphabet旗下机构发布专注具身推理的视觉语言模型Gemini Robotics-ER 1.6，并于当天通过Gemini API和Google AI Studio以"gemini-robotics-er-1.6-preview"的名称向开发者开放。最受关注的新功能是仪表读数，即看懂压力表、视镜或温度计并报出数值。

DeepMind自有基准测试显示了提升幅度。在仪表读数评测中，上一代Gemini Robotics-ER 1.5成功率为23%，通用模型Gemini 3.0 Flash为67%；ER 1.6达到86%，使用DeepMind所称的"智能体视觉"后升至93%。公司还表示，新模型在指点、计数以及多视角任务成功判定上均优于ER 1.5。

所谓智能体视觉，是指模型不一次性作答，而是分步推理。根据DeepMind研究员Laura Graesser和Peng Xu撰写的博客，模型先放大图像看清表盘上的细小刻度，再借助指点和代码执行估算比例与间隔，最后给出读数。涉及的仪表包括圆形压力表、化工视镜、立式液位计、温度计和数字显示器等。

4月20日发布的模型卡显示，ER 1.6以Gemini 3.0 Flash为基础，可输入文本、图像、音频和视频，上下文窗口12.8万token，输出上限6.4万token；在谷歌TPU上以Gemini 3.0训练数据和额外的具身推理数据集训练。DeepMind明确表示，该模型未获准用于医疗、交通等安全攸关场景，或任何故障可能造成人员伤害、财产损失的环境。

现代汽车集团旗下的波士顿动力与DeepMind在该功能上密切合作。Spot四足机器人已能在工业设施内按路线巡检并拍摄设备图像，ER 1.6则让它能读懂所拍内容。波士顿动力副总裁Marco da Silva在DeepMind博客中表示，仪表读数和更可靠的任务推理将使Spot能够完全自主地观察、理解并应对现实问题。

ER系列在DeepMind机器人技术栈中分工明确。Gemini Robotics模型输出电机动作，ER模型负责"思考"，包括判断物体位置、安排步骤顺序、确认任务是否完成。开发者可在自有机器人软件中调用ER 1.6并与任意控制器组合，这使其成为DeepMind机器人产品中覆盖面最广的一环。

安全评估是此次发布的重点之一。DeepMind用第二版ASIMOV人本安全基准测试ER 1.6，称其在指点和边界框任务上遵守物理安全约束的能力较ER 1.5大幅提升；与Gemini 3.0 Flash相比，文本安全场景提升6%，视频场景提升10%。

机器人推理模型赛道竞争激烈。英伟达向机器人企业提供Cosmos Reason模型和GR00T策略模型；Physical Intelligence与Skild AI训练将推理和动作合一的端到端模型。DeepMind的优势在于任何开发者都已在使用的商业API渠道，以及与谷歌旗舰Gemini系列的绑定。

对中国产业而言，这一进展值得重视。国内石化、电力、半导体工厂的巡检仍大量依赖人工按路线抄表，巡检机器人企业多采用针对特定仪表训练的专用视觉算法。通用大模型若能在不加装传感器的情况下读懂老旧设备的指针表，将改变巡检机器人的技术路线。阿里通义、字节跳动等国内大模型厂商以及宇树、云深处等四足机器人企业如何跟进，将决定国内是否形成类似的"模型加本体"巡检方案。由于该模型通过境外云端API提供，国内工业用户在数据出境方面也面临现实限制。

悬而未决的是可靠性与责任归属。93%对基准测试而言很高，但对危险设施的安全读数仍显不足，DeepMind自己的模型卡也排除了安全攸关用途。预览版的定价和正式商用时间尚未公布。