Gemini 4 Argon для робототехніки
13 жовтня 2026 року Google показала в блозі розробників, як використовувати Gemini 4 Argon у робототехніці: від керування роботом і побудови симуляційних двійників до оцінки прогресу й самовдосконалення. На тесті Embodied Reasoning (ERQA) модель, за словами Google, дає 87%, випереджаючи кожну іншу передову модель; навчання в симуляції підняло частку успіхів справжнього робота з 56% до 75%.
Чому це важливо
Google подає універсальну модель як таку, що працює на всьому шляху робота: бачить, будує фізичну симуляцію сцени з фото чи відео й пише код керування, яким потім збирають навчальні дані. Це не нова модель, а перелік застосувань уже наявної; цифри — Google про Google, а сам допис складається переважно з прикладів запитів.
Що в дописі. Автор — Канішка Рао. Argon, за дописом, «різко» просунулася у фізичному розумінні, генерації коду й візуально-семантичному міркуванні. На ERQA, що перевіряє розуміння фізичних просторових задач у 3D, Argon «чистим міркуванням» дає 87%, «випереджаючи кожну іншу передову модель». Допис показує репрезентативні запити в чотирьох напрямах. Керування роботом: квадропед Spot від Boston Dynamics вчиться наступати на педаль смітника, потренувавшись у цифровому двійнику MuJoCo; керування простою рукою без донавчання; покрокове керування відеомоделлю світу Gemini Omni. Real2Sim: побудова відкаліброваних симуляційних двійників з відео роботів, з егоцентричного відео людини (перенесення руху рук на двурукого гуманоїда з 76 ступенями вільності й п'ятипалими кистями по 22) і з малюнка. Фізичне розуміння: щільна функція цінності й оцінка прогресу на 60-секундному епізоді (28 сегментів). Дослідження й самовдосконалення: з одного фото стола Argon будує двійник MuJoCo двох рук Franka FR3, складає навчальну програму з 77 завдань і збирає понад 4 500 епізодів у симуляції; для генералістських моделей «зір—мова—дія» це, за дописом, підняло частку успіхів на реальному тесті з 56% до 75%, а час виконання зменшило з 35 до 24 с. Окремо — самовдосконалення руки SO-101 у захопленні й постановці (58,9 → 22,9 → 17,4 с за підписами до відео) та 68 відтворень робіт з робототехніки в браузері. Доступність. Google AI Studio і Google Antigravity — для підписників Google AI Ultra; Gemini API — на платному рівні, модель gemini-4-argon. Чого запис не стверджує. Відео не відтворювано; тест, за яким мірили 56% і 75%, і саму модель «зір—мова—дія» допис не називає; 87% на ERQA і порівняння з іншими моделями — слова Google. Незалежної перевірки не прочитано.