免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

谷歌深夜大招!机器人学会看仪表盘干活,成功率飙升300%

发布日期:2026-04-15 11:20:39 浏览次数: 2343
作者:智东西

微信搜一搜,关注“智东西”

推荐语

谷歌联手波士顿动力推出革命性机器人模型Gemini Robotics-ER 1.6,仪表读数成功率飙升300%,工业自动化迎来重大突破。

核心内容:
1. Gemini Robotics-ER 1.6在空间推理和任务规划上的关键升级
2. 新增仪表读数功能,与波士顿动力合作开发
3. 在多项测试中成功率显著提升,最高达93%

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

联手波士顿动力,谷歌给机器人装上会读表的脑子。
作者 |  许丽思
编辑 |  漠影
智东西4月15日报道,昨天深夜,谷歌推出Gemini Robotics-ER 1.6。
去年9月,谷歌发布Gemini Robotics-ER 1.5。时隔半年多,谷歌机器人模型终于迎来一次大升级。
Gemini Robotics-ER 1.6能够让机器人以前所未有的精度理解周围环境,在多项关键推理能力上进行了升级,包括视觉与空间理解、任务规划以及任务完成判断。它可以作为机器人的高层推理模型,原生调用Google Search、VLA以及其他第三方自定义功能,自主完成复杂作业任务。
谷歌提到,与Gemini Robotics-ER 1.5和Gemini 3.0 Flash相比,Gemini Robotics-ER 1.6在空间与物理推理能力上都有明显提升,尤其是在点位定位、计数和任务成功判断等方面。
与此同时,Gemini Robotics-ER 1.6还新增了一项能力——仪表读数,这使机器人能够读取复杂的压力表和液位观察窗等设备。该功能是谷歌与波士顿动力合作开发的,特别适合用于高精度工业任务。
如图,在指向与计数任务上,Gemini Robotics-ER 1.6的成功率为80%;在单视角成功检测任务中,其成功率为90%;在多视角成功检测任务中,其成功率为84%;在结合Agentic Vision的仪表读数任务中,其成功率达到93%,相比Gemini Robotics-ER 1.5 23%的成功率,飙升了300%
即日起,开发者就可以通过Gemini API和Google AI Studio使用Gemini Robotics-ER 1.6。

01.
升级点位定位和多视角推理能力,
提升机器人干活自主性


点位定位是具身推理模型的一项基础能力,可以让模型实现不同类型的推理任务,包括空间推理、关系逻辑、运动推理、约束理解等。
Gemini Robotics-ER 1.6可以把点位作为中间推理步骤,来完成更复杂的任务。它可以先通过点位来计数图像中的物体,或者通过识别关键位置,再结合数学计算提高尺寸或距离估算的准确性。
如图,Gemini Robotics-ER 1.6知道什么时候该指出目标、什么时候不该乱指。它能正确识别图中有2把锤子、1把剪刀、1把油漆刷、6把钳子,以及一组园艺工具。对于图中并不存在的手推车和电钻,它也不会错误标注。
相比之下,Gemini Robotics-ER 1.5就没法正确识别锤子和油漆刷的数量,完全漏掉了剪刀,还会产生幻觉,指出了并不存在的手推车,钳子的定位精度也较差。
Gemini 3.0 Flash的表现已经比较接近Gemini Robotics-ER 1.6,但在钳子的处理上还不够理想。
Gemini Robotics-ER 1.6还提升了多视角推理能力,能够更好地理解多路摄像头画面以及它们之间的关系,即便在动态变化或存在遮挡的环境中,也能保持较高的判断能力。
Gemini Robotics-ER 1.6可以综合多个摄像头视角的信息,判断“把蓝色笔放进黑色笔筒”这一任务是否已经完成。
像这样的任务成功判断(Success Detection)是机器人实现自主性的关键一环,因为它决定了机器人在执行任务过程中,是应该重新尝试一次,还是可以进入下一步。

02.
仪表识别成功率达93%,
机器人可执行设备巡检任务


工业厂区遍布温度计、压力表、化学液位观测窗等各类精密仪器,需要长期持续监测。想要解决真实工业场景中这些复杂难题,就必须让机器人学会仪器读数识别。
Gemini Robotics-ER 1.6让机器人能够读懂多种仪表,包括圆形压力表、垂直液位计以及现代数字读数设备。
读取仪表并不是简单的识别任务,而是一个复杂的视觉推理过程。系统必须精确感知多种视觉元素,例如指针、液位、容器边界、刻度线等,并理解它们之间的关系。
液位观察窗为例,模型需要结合相机拍摄角度带来的畸变,估算液体实际填充了多少。对于压力表,系统还需要读取并理解文字标注的单位;有些表盘甚至有多根指针,对应不同的小数位,必须综合后才能得出正确读数。
依托仪器读数识别与升级后的任务推理能力,波士顿动力的Spot四足机器人可以实现全自主巡检,独立感知、理解并应对各类工业实景挑战。
Gemini Robotics-ER 1.6之所以能够实现高精度仪表读数,是因为它使用了Agentic Vision技术,也就是把视觉推理与代码执行结合起来。
具体来说,模型会先采取一系列中间步骤:比如先放大图像,更清楚地观察仪表细节;再通过点位标注和代码执行估算比例与区间,最终得到精确读数,并结合世界知识理解其含义。
在仪表读数任务上,四种模型的成功率依次提升:Gemini Robotics-ER 1.5成功率为23%;Gemini 3.0 Flash成功率为67%;Gemini Robotics-ER 1.6成功率为86%;Gemini Robotics-ER 1.6(启用 agentic vision)成功率为93%。

03.
结语:机器人走入现实应用,
还需要具备足够安全性


在机器人规模化落地民用与工业场景的当下,安全性早已和智能化、自主性同等重要,成为制约具身智能落地的核心门槛。
谷歌称,Gemini Robotics-ER 1.6不仅在环境感知、空间推理、工业仪表识别等核心能力全面进阶,更完成了安全能力的系统性升级,也是其目前安全表现最优的机器人专用模型。
在对抗性空间推理任务中,Gemini Robotics-ER 1.6对Gemini安全策略的遵守程度优于此前所有版本。同时,Gemini Robotics-ER 1.6在遵守物理安全约束方面也有明显提升。
比如,在涉及点位输出的任务中,它能更安全地判断哪些物体可以被机械夹爪抓取,哪些不能碰,从而满足夹持器限制或材料约束,比如“不要处理液体”“不要抓取超过20公斤的物体”等。
谷歌还测试了模型在文本和视频场景中识别安全隐患的能力,测试依据来自真实世界的伤害事故报告。在这些任务中,Gemini Robotics-ER 1.6相比Gemini 3.0 Flash也有所提升:文本场景提升6%,视频场景提升10%,说明它在识别潜在伤害风险方面更加准确。
对具身智能而言,真正决定机器人能否走出实验室、走进大规模真实场景的,除了更强的大脑,还需要每一次感知、判断与动作背后,都足够安全可靠

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅