借助 Gemini 4 Argon，Google 正在推销一个覆盖完整机器人流水线的单一模型。它控制机器人、构建虚拟练习世界，并为训练视频打分。但示例提示词暴露出，这个模型仍然需要大量人工手把手引导。
一台 Boston Dynamics Spot 机器人本应把汽水罐扔进一个踩踏式垃圾桶。在它触碰真实踏板之前，Gemini 4 Argon 会构建垃圾桶的虚拟副本，机器人在该仿真中练习用三条腿保持平衡。只有到那时，它才会在真实硬件上尝试这项任务。在它丢下罐子之前，两个额外的 AI 智能体会核实脚和夹爪的位置是否正确。
这就是 Google 展示其最新机器人任务模型能力的方式。Argon 旨在更好地理解空间关系、编写控制代码，并从物理角度解读视频。Google 将该模型视为一种通用工具，覆盖从控制单个机器人到复现已发表研究的一切，并称这是迈向“物理 AGI”的又一步——这是它及其 AI 子公司 DeepMind 多年来一直追求的目标。
一张照片变成数千次训练运行
Spot 演示遵循了一种在 Google 许多示例中都出现的模式：Argon 利用仿真来准备任务、验证任务或生成训练数据。从一张摆有派对道具的桌子照片出发，该模型构建了一个虚拟复制品，包括一顶柔软的毛绒帽。它想出了 77 项任务，从扶正倒下的物体到清理桌子，并为控制模型生成了 4,500 多个训练回合。在真实机器人上测试时，成功率从 56% 攀升至 75%，执行时间从 35 秒降至 24 秒。
Argon 也可以从其他来源工作。从一段遥操作机器人的录像中，它构建出一个仿真，旨在看起来相同，并在指尖复现相同的力读数。从一段人类执行抓取任务的第一人称视频中，该模型将手部和手指的动作映射到一个拥有五指手的虚拟人形机器人上。
甚至一张圆珠笔草图也行。一幅画展示了一个人形机器人用球击倒一摞盒子金字塔，Argon 将其转化为一个仿真，计算出投掷动作以推倒全部六个盒子，同时机器人不会摔倒。
Argon 指挥一个 AI 视频模型来规划机器人动作
一个演示完全在 AI 生成的视频内展开。Gemini Omni是一个视频世界模型，生成展示场景中发生某事时如何变化的片段，而 Argon 充当导演。它写出带时间戳的指令，描述手部应该做什么，比如将一块拼字游戏字母牌滑到桌子中央。Gemini Omni 根据这些指令生成视频，然后 Argon 检查各个帧并调整下一条命令。目标是排列五块散落的字母牌拼出“ARGON”，经过 33 步后，它们排成了正确的顺序。
在另一个使用简单机械臂的演示中，Argon 必须将一块乐高积木放入一个木箱，并随时间提升自身表现。当尝试失败时，提示词告诉 Argon 查看自己的日志和摄像头图像，找出原因，并在应用经过验证的修复后重试。第一次运行耗时不到一分钟，第二次快得多，为 23 秒，不过积木擦到了箱子边缘。第三次尝试时，它在大约 17 秒后正中中心。
Google 还希望 Argon 服务于研究。给定每篇论文一个提示，它就能把已发表的机器人实验重建为可在浏览器中运行的交互式模拟。Google 表示，目前已构建了 68 个这样的沙盒，包括机器人足球和一个踩着滑板的人形机器人。
TheERQA 基准测试（具身推理问答）测试 AI 模型在 3D 环境中理解和解决物理与空间问题的能力。该测试使用了 400 道题，且不借助任何辅助工具，因此模型必须完全依靠推理来解决一切。据 Google 称，Argon 得分 87%，领先于所有其他前沿模型。第二名 Claude Opus 5.5 达到 82.3%，落后约 5 个百分点。GPT-6 Astra 以 81% 紧随其后，Claude Fable 5.1 以 74% 垫底，落后 13 个百分点。
TheAA-Robotics基准测试来自 Artificial Analysis，于一天后发布，却讲述了另一个故事。在该测试中，语言模型直接控制一个真实的机械臂完成八项任务，Argon 以 100 分中的 55 分位列第三，落后于 GPT-6 Astra 的 69 分和 GPT-6.1 Sol 的 65 分。
Argon 还会审查训练数据质量
除了控制机器人和构建模拟之外，Argon 还旨在评估训练数据。在一段两分多钟的视频中，展示了一个双臂机器人折叠折纸狐狸，该模型将序列拆分为子步骤，并标记出停顿和失败的抓取。这些片段随后在训练中被赋予较低的权重。在另一段人类分拣圆环的视频中，Argon 追踪了任务在何处推进、停滞或倒退。
Google 还展示了一个更有趣的用例，围绕一个经典称重谜题。在十二个外观相同的球中，有一个比其他球更重或更轻。Argon 构建了一个带有两条机械臂和一台天平秤的模拟，仅凭摄像头图像读取秤的倾斜。它能在三次或更少的称重中找出那个异常的球。
真正的脚手架存在于提示词之中
Google 为这些演示发布了详细的示例提示词，并对一些较大的宣称做了更客观的说明。对于扶正倒扣的杯子这一被描述为“零样本”的任务，Argon 会接收一张带有厘米网格叠加的摄像头图像，以及诸如“抓取”或“下压至接触”之类的预置命令。在模拟任务中，则设有长长的禁止事项清单，以防止模型走捷径，比如直接复制测量得到的传感器数值。Google 在博客文章中并未公布各个演示的失败率，而 75% 的成功率也没有提及它是基于多少次总尝试得出的。
Argon 现已可在Google AI Studio以及开发环境Antigravity中使用，但仅限Google AI Ultra订阅者。开发者也可以通过付费层级的Gemini API访问该模型。
Google 在几天前刚刚全球发布了Gemini 4 Argon。在机器人领域，该公司此前已经推出了Gemini Robotics-ER 1.6，这是一个用于空间感知和任务规划的模型。在虚拟环境中进行训练也并非新鲜事：初创公司World Labs展示了如何将真实场景转化为虚拟训练世界，而Nvidia 的 DreamDojo则以视频形式模拟机器人动作。Google 方法的独特之处在于，它志在用同一个模型处理模拟、控制与评估。