# 具身推理

GenEA把智能体的粗粒度身体力学与周围物体的物理交互放进一个多层级状态空间，再嵌入生成模型，得到目标与具身计划的联合概率分布。此前对人类计划推理的建模多把智能体抽象为二维网格中的点状实体，难以处理自然场景中身体与地形带来的约束。在积木操作与障碍路线导航两类实验中，GenEA通过该联合分布的简单变换复现人类的目标推断、动作推断、单手或双手策略偏好与难度判断，并优于任务与运动规划基线、启发式模型以及一个前沿视觉语言模型。

GenEA把智能体的粗粒度身体力学与周围物体的物理交互放进一个多层级状态空间，再嵌入生成模型，得到目标与具身计划的联合概率分布。此前对人类计划推理的建模多把智能体抽象为二维网格中的点状实体，难以处理自然场景中身体与地形带来的约束。在积木操作与障碍路线导航两类实验中，GenEA通过该联合分布的简单变换复现人类的目标推断、动作推断、单手或双手策略偏好与难度判断，并优于任务与运动规划基线、启发式模型以及一个前沿视觉语言模型。

Google DeepMind 的机器人高层推理模型 Gemini Robotics ER 2 进入 Gemini 平台的公开预览，企业可把视觉-语言-动作模型、导航接口等底层控制声明为工具，由模型编排多步任务。该模型在连续视频上判断任务进度并定位关键事件帧，官方给出的关键帧定位准确率为 91.3%，平均绝对帧距 0.96 秒。它面向从固定机械臂到人形机器人的多种形态，并可在 Google Cloud 上完成仿真、评估与部署。

Google DeepMind 的机器人高层推理模型 Gemini Robotics ER 2 进入 Gemini 平台的公开预览，企业可把视觉-语言-动作模型、导航接口等底层控制声明为工具，由模型编排多步任务。该模型在连续视频上判断任务进度并定位关键事件帧，官方给出的关键帧定位准确率为 91.3%，平均绝对帧距 0.96 秒。它面向从固定机械臂到人形机器人的多种形态，并可在 Google Cloud 上完成仿真、评估与部署。

Gemini 4 Argon 把物理理解、代码生成和视觉语义推理放进同一个模型，让机器人任务可以先在仿真里练。在考察三维物理空间问题的 Embodied Reasoning（ERQA）基准上，它用纯推理拿到 87%，高于其他前沿模型。它还能从机器人相机画面、第一视角人类视频或手绘草图重建标定过的仿真孪生场景，并据此生成闭环控制与训练数据。

Gemini 4 Argon 把物理理解、代码生成和视觉语义推理放进同一个模型，让机器人任务可以先在仿真里练。在考察三维物理空间问题的 Embodied Reasoning（ERQA）基准上，它用纯推理拿到 87%，高于其他前沿模型。它还能从机器人相机画面、第一视角人类视频或手绘草图重建标定过的仿真孪生场景，并据此生成闭环控制与训练数据。