Google представила флагманскую модель Gemini 4 Argon, заявив, что она рассчитана не только на людей, но и на роботов. Компания подчёркнула, что Argon выступает значительным скачком в робототехнике и может ускорить движение к воплощённому искусственному интеллекту общего назначения, способному думать, учиться и адаптироваться к задачам без существенного обучения.

Одной из ключевых проверок стала работа в среде Embodied Reasoning (ERQA). По данным Google, Argon набирает 87 % в чистом логическом выводе и опережает прочие современные модели. При этом специалисты подчёркивают, что адаптация Argon к аппаратным платформам для физического воплощения пока не связывается напрямую с конкретными робототехническими системами.

Разработчики называют Argon более универсальной версией воплощённого рассуждения: он призван работать на разных этапах жизненного цикла робототехнических систем. В блоге Google приведены примеры применения в четырёх направлениях: моделирование действий и их реализация в реальности, обучение на примерах, восприятие обстановки и совершенствование навыков.

Один из примеров — управление роботом-собакой Spot от Boston Dynamics в среде MuJoCo без предварительного обучения: Argon учит робота нажимать на педаль и выбрасывать банки из-под газировки, направляя робот к выполнению этой задачи через создание цифрового двойника мусорного ведра и педали, после чего повторение переносится в реальную среду.

Другой эксперимент показывает управление роботизированной рукой: Argon ставит вертикально опрокинутую кружку и кладёт внутрь смятую салфетку, применяя координаты и команды перемещения и захвата; после каждого шага система повторно анализирует кадры и корректирует действия с учётом положения объектов. Манипулятор выполняет задания без предварительного обучения (zero-shot control).

Ещё одна технология — Real2Sim, которая переводит реальные сцены в физические симуляции: Argon воспринимает видеозаписи, восстанавливает геометрию объектов и задаёт их физические свойства, такие как масса, движение по инерции, трение и поведение при столкновениях. Затем виртуальная сцена сравнивается с реальностью по кадрам, а расчётные взаимодействия объектов сопоставляются с реальными. Этот же подход может превратить грубый рукописный рисунок — к примеру, пирамидку, сбиваемую роботом — в полноценную 3D-анимацию с реалистичной физикой.

По итогам Google считает Gemini 4 Argon важным шагом на пути к созданию общего искусственного интеллекта, который способен действовать в физическом мире. Модель объединяет сценарное программирование, визуальное восприятие, физическое моделирование и управление роботами, а компания видит потенциал в применении Argon на всех стадиях жизненного цикла робототехнических систем и в сценариях совместной работы с людьми.