Одна модель для разных этапов работы

Google показала Gemini 4 Argon как модель для разных задач робототехники: она может планировать действия, создавать симуляции и анализировать обучающие данные. В демонстрации с роботом Spot модель сначала подготовила виртуальную копию мусорного бака и отработала в ней последовательность движений. Перед попыткой на настоящем роботе ещё два ИИ-агента проверили положение его ноги и захвата. Описание демонстраций компания опубликовала в блоге для разработчиков.

В других примерах Argon превращала фотографию стола с предметами в виртуальную сцену, предлагала 77 заданий и создавала более 4 500 эпизодов для обучения управляющей модели. По данным Google, после такой подготовки доля успешных попыток робота в реальных условиях выросла с 56 до 75 процентов, а выполнение задачи сократилось с 35 до 24 секунд. Компания не указала, сколько всего попыток легло в основу показателя успешности.

Модель также строила симуляции по видео, рисункам и записям действий операторов. В одном примере она переводила набросок в виртуальную сцену, где гуманоидный робот должен был одним броском сбить шесть коробок и удержать равновесие.

Планирование действий и повторные попытки

В демонстрации с видеомоделью Gemini Omni Argon задавала пошаговые инструкции для рук, проверяла получившиеся кадры и корректировала следующие команды. Целью было разложить пять буквенных фишек так, чтобы получилось слово «ARGON»; нужного результата добились за 33 шага.

В другом тесте роботизированная рука помещала деталь Lego в деревянную коробку. После неудачных попыток Argon анализировала журналы и изображения с камеры, а затем меняла действия. В описании Google время выполнения сократилось с 58,9 секунды в первом запуске до 17,4 секунды в третьем; в последней попытке деталь оказалась в центре коробки.

Google также представила Argon как инструмент для оценки обучающих видео: модель разбирала действия робота на этапы и отмечала паузы и неудачные захваты. Кроме того, по словам компании, она может превращать описания научных работ в интерактивные симуляции, работающие в браузере. Таких симуляций, сообщила Google, создано 68.

Результаты тестов различаются

В тесте ERQA на понимание физических и пространственных задач в трёхмерной среде Argon набрала 87 процентов на 400 вопросах. Google сообщила, что модель опередила Claude Opus 5.5 с результатом 82,3 процента; GPT-6 Astra получила 81 процент, а Claude Fable 5.1 — 74 процента. В этом тесте модели отвечали без вспомогательных инструментов. Описание бенчмарка опубликовано на GitHub.

В бенчмарке AA-Robotics от Artificial Analysis, где языковые модели напрямую управляли настоящей роботизированной рукой в восьми заданиях, Argon заняла третье место с 55 баллами из 100. Впереди оказались GPT-6 Astra с 69 баллами и GPT-6.1 Sol с 65. Результаты опубликованы на сайте Artificial Analysis.

Демонстрации требуют подробных инструкций

Примеры запросов Google показывают, что работа модели опирается на заданные человеком условия. Даже в демонстрации, названной «zero-shot», где Argon должна была поставить опрокинутую чашку и положить внутрь салфетку, ей предоставили изображение с координатной сеткой и заранее подготовленные команды вроде «взять» и «опускать до контакта». Для симуляций использовались подробные списки ограничений, запрещавшие модели искать обходные пути.

Google не привела частоту неудач для отдельных демонстраций, а для показателя успешности в 75 процентов не указала общее число попыток. Gemini 4 Argon доступна в Google AI Studio и Antigravity подписчикам Google AI Ultra; разработчики также могут обращаться к модели через платный уровень Gemini API.