Google показала, как Gemini 4 Argon строит симуляции и управляет роботами

Модель общего назначения от Google по видео, фото и даже наброску строит физическую симуляцию, репетирует в ней движения робота и готовит данные для обучения.

Google DeepMind показала, как её модель общего назначения Gemini 4 Argon работает с роботами: строит по видео физические симуляции, управляет машинами и размечает записи для их обучения.

Почему это важно: для роботов Google обычно выпускает отдельные модели серии Gemini Robotics — последняя, Gemini Robotics-ER 2, вышла 30 июля. Теперь на весь цикл работы с роботом компания предлагает универсальную модель — ту же, что пишет код и помогает в киберзащите.

Повод: Google DeepMind выложила двенадцать примеров работы Argon — по три в каждой из четырёх областей: управление роботами, перенос реальных сцен в симуляцию, понимание физики, исследования и самосовершенствование.

Как это работает: чаще всего Argon действует через код. Она строит в физическом симуляторе MuJoCo¹ цифровой двойник² сцены, подгоняет его под запись с камеры и репетирует движения, прежде чем их повторит настоящий робот. Код она пишет и тогда, когда по одному запросу переносит алгоритм управления роботом из научной статьи в симуляцию, которая работает прямо в браузере.

Детали: среди двенадцати примеров Google:

Argon научила робота-собаку Spot от Boston Dynamics наступать на педаль мусорного ведра и бросать туда банки, сначала отрепетировав это на виртуальной копии ведра.
По фото бумажного наброска, где человекоподобный робот Apollo 2 сбивает мячом пирамиду из коробок, Argon собрала сцену, рассчитала бросок и проверила, что упали все шесть.
В Gemini Omni World Model, которая генерирует видео по текстовым командам, Argon руками виртуальных роботов сложила из фишек «Скрэббла» слово ARGON, сверяясь с промежуточными кадрами.
На видео, где двурукий робот ALOHA 2 складывает из бумаги лису, Argon разбила работу на 6 подзадач и 17 элементарных движений и отметила паузы и неуверенные захваты.

В цифрах: Argon готовила учебные данные для модели типа «зрение — язык — действие» (VLA), которая по картинке и команде выдаёт движения робота.

По одной фотографии настоящего стола Argon собрала его симуляцию, придумала новые задания и записала больше 4 500 учебных попыток в разных условиях.
После обучения на этих данных настоящий робот стал справляться с заданиями в 75% попыток вместо 56%.
Время на выполнение задания у того же робота сократилось с 35 до 24 секунд.

Расклад: в тесте ERQA на пространственные задачи по снимкам трёхмерных сцен Argon верно ответила на 87% вопросов — по словам Google, это больше, чем у любой другой передовой модели. Задачи она решала одними рассуждениями, без кода и симулятора.

Но: ERQA создала сама Google DeepMind — тест вышел в марте 2025 года вместе с первыми моделями Gemini Robotics. С какими моделями сравнивали Argon, компания не называет.

Google представила модель 30 сентября и сначала открыла её специалистам по киберзащите; независимые оценщики вскоре поставили её вровень с GPT-6 Astra. Теперь Argon есть в платном тарифе Gemini API, а в AI Studio и среде разработки Google Antigravity³ — у подписчиков Google AI Ultra⁴.