具身推理模型

专门做物理世界理解和任务规划的多模态大模型，常被称为机器人的「大脑」。

具身推理模型是强化了空间理解和任务规划的多模态大模型，一般不直接输出关节动作，而是回答「东西在哪、从哪抓、先做哪步、做完没有」，输出指点坐标、轨迹或分步计划，交给执行层完成。代表是 Google DeepMind 2025 年 3 月推出的 Gemini Robotics-ER（ER 即 Embodied Reasoning），官网目前列出的最新版是 ER 2；国内有智源研究院的 RoboBrain 系列。国内常把这种分工叫「大小脑架构」：大脑是负责理解和规划的推理模型，小脑是负责运动控制和技能执行的底层模块。与快慢双系统相比，大脑、小脑更常是分开训练、通过接口相连的独立模型。

例子在 Gemini Robotics 1.5 的组合中，ER 1.5 充当「大脑」：它可以调用 Google 搜索查当地的垃圾分类规定、拆出分步计划，再把每一步的自然语言指令交给 VLA 模型 Gemini Robotics 1.5 去执行抓放动作。

也叫

具身大脑模型、具身大脑、ER 模型、Embodied Brain Model、大脑

相关

具身推理、快慢双系统、分层架构、Gemini Robotics-ER、智源 RoboBrain（具身大脑）、视觉-语言-动作模型

来源

Gemini Robotics 1.5 brings AI agents into the physical world (Google DeepMind)
Gemini Robotics 模型页 (Google DeepMind)
RoboOS: A Hierarchical Embodied Framework for Cross-Embodiment and Multi-Agent Collaboration (arXiv 2505.03673)

信息截至

2026-09