Gemini Robotics-ER 1.6：谷歌联手波士顿动力，让机器看懂仪表盘

摘要：2026年4月，谷歌发布了其机器人专用模型Gemini Robotics-ER 1.6的重大升级。此次升级的核心突破之一，是让机器人首次具备了高精度识别并读取各类工业仪表的能力。通过与波士顿动力合作，这项技术已应用于Spot四足机器人，使其能够自主完成设备巡检任务。这标志着机器人的“眼睛”从识别物体，进化到了理解复杂仪表信息的新阶段，为工业自动化、智能运维等领域带来了革命性变化。

一、 重磅升级：从“看得见”到“看得懂”

传统工业巡检中，读取遍布厂区的压力表、液位计、温度计等仪表是一项枯燥、易出错且无法间断的工作。尽管此前已有AI轨道巡检机器人等方案尝试解决这一问题，但让机器人通用模型真正“理解”仪表盘，一直是个难题。

2026年4月15日，谷歌发布的Gemini Robotics-ER 1.6模型打破了这一瓶颈。此次升级并非小修小补，而是在多项关键推理能力上实现了飞跃：

• 空间与物理推理能力显著提升：新模型在点位定位（识别图中物体的精确位置）和计数任务上成功率高达80%，远超此前版本，减少了“幻觉”错误（如识别不存在的物体）。
• 新增核心能力——仪表读数：这是本次升级的最大亮点。该功能专为高精度工业任务设计，使机器人能够读取圆形压力表、垂直液位计乃至现代数字设备。
• 惊人的性能飙升：在结合了Agentic Vision（智能体视觉）技术的仪表读数任务中，其成功率达到了93%。相比之下，半年前的上一个版本成功率仅为23%，性能提升超过300%。

这项升级意味着，机器人不再仅仅是一个执行固定程序的设备，而是成为了一个能够观察、分析并理解物理世界状态的智能体。

Gemini Robotics-ER 1.6

二、 工作原理：机器如何“读懂”指针与刻度？

让机器人读取仪表，远非简单的图像识别。它需要完成一个复杂的视觉推理过程：系统必须精确感知指针、液位面、刻度线、数字、单位标识等多种视觉元素，并理解它们之间的空间和逻辑关系。

谷歌Gemini Robotics-ER 1.6实现高精度读数的核心，在于其采用的 “Agentic Vision”（智能体视觉） 技术。这并非一步到位的识别，而是一个模拟人类“仔细端详”的思考过程：

1. 观察与聚焦：模型会先“放大”图像，更清晰地观察仪表细节。
2. 分析与标注：通过点位标注出关键部件（如指针尖端、刻度线）。
3. 计算与推理：结合代码执行，估算比例、角度和量程区间。
4. 整合与输出：综合所有信息，计算出精确读数，并理解其物理含义（例如，识别出单位是“MPa”还是“℃”）。

这套技术思路与业界其他先进方案不谋而合。例如，在GitHub上开源的RailBot项目中，针对不同类型的仪表也采用了量身定制的识别方案：

• 对于指针表：最终采用了稳定可靠的模板匹配法，即先分类仪表类型，再用预存的模板进行比对，抗光线干扰能力强。
• 对于数字表：推荐使用CRNN + CTC序列识别模型，能有效解决小数点检测的难题，标注和训练效率高。
• 对于指示灯/开关：直接将其不同状态（如红灯亮/灭）作为独立类别进行多分类识别，准确率极高（AP值达0.996）。

这些方法都体现了从“感知”到“认知”的演进，是机器人视觉系统发展的必然方向。

三、 应用场景：解放人力，赋能智能运维

具备“读表”能力的机器人，其应用场景将极大地拓展工业自动化和设备运维的边界。它能够替代人工，在恶劣、危险或重复性的环境中执行7×24小时不间断的精准监测。

结合谷歌与波士顿动力的合作案例及其他行业应用，其核心使用场景包括：

以波士顿动力的Spot机器人为例，在搭载此模型后，它已能实现全自主巡检：在工业厂区内自主行走，定位仪表，准确读数，并判断任务是否完成，从而决定下一步行动。这标志着机器人正从受控的“执行者”，向具备一定自主决策能力的“协作者”转变。

结语：更智能，也更需安全

谷歌此次升级不仅关注能力的飞跃，也强调了安全性的系统性提升。Gemini Robotics-ER 1.6被设计为能更好地遵守物理安全约束，例如判断哪些物体适合抓取，识别环境中的潜在风险等。这回应了机器人走向大规模现实应用的核心关切：真正的智能化，必须建立在可靠的安全基础之上。

机器人“看懂”仪表盘，虽是一个具体的技术突破，却象征着具身智能向真实物理世界迈出的坚实一步。当机器人能够自主解读这些工业世界的“语言”时，一场关于自动化、运维效率和安全生产的变革，已然悄然开始。

文章来源：本文信息综合编译自谷歌官方发布及行业分析，并参考了开源项目RailBot的技术解析、AI智能轨道巡检机器人的应用介绍、多模型联动表计识别方法以及机器人视觉系统的科普资料。