Gemini 4 Argon يبني عوالم لتدريب الروبوتات من أي صورة أو فيديو
عرضت Google نموذج Gemini 4 Argon وهو يحوّل صورة أو رسمًا تخطيطيًا أو مقطع فيديو إلى محاكاة لتدريب الروبوتات، وإن ظل الإعداد بحاجة إلى عمل بشري.
Illustration made on Lumeta with GPT Image 2.5Make one like it
في 15 أكتوبر 2026، كشفت Google عن Gemini 4 Argon بوصفه نموذجًا واحدًا للروبوتات قادرًا على التحكم في الروبوتات، وتوليد محاكاة تدريبية من الصور والرسوم التخطيطية ومقاطع الفيديو، ومراجعة لقطات التدريب. وتكمن أهمية ذلك في أن Google تسعى إلى دمج عدة مراحل من تطوير الروبوتات في نظام واحد، غير أن عروضها التوضيحية نفسها تكشف أن Argon لا يزال يعتمد على توجيهات بشرية مفصلة، ووكلاء تحقق إضافيين، ووصول مدفوع للمطورين.
ما الذي عرضته Google
تمحورت عروض Google حول استخدام المحاكاة قبل التنفيذ في العالم الحقيقي. ففي أحد الأمثلة، تدرّب روبوت Spot من Boston Dynamics على الضغط على دواسة سلة مهملات ورمي علبة صودا داخل نسخة افتراضية من المشهد قبل تجربة ذلك على الجهاز الفعلي. وفي مثال آخر، التقط Argon صورة واحدة لطاولة مزدحمة، فأنشأ مشهدًا مطابقًا لها، وابتكر 77 مهمة، وولّد أكثر من 4,500 حلقة تدريبية. وتقول Google إن ذلك رفع معدل نجاح روبوت حقيقي من 56 إلى 75 بالمئة، وقلّص زمن التنفيذ من 35 إلى 24 ثانية. كما حوّل Argon لقطات التشغيل عن بُعد، ومقاطع فيديو بشرية من منظور الشخص الأول، وحتى رسمًا بالقلم، إلى مهام روبوتية محاكاة.

Illustration made on Lumeta with GPT Image 2.5Make one like it
عرضت Google أيضًا Argon وهو يعمل مخططًا لـ Gemini Omni، وهو نموذج عالمي للفيديو. وفي هذا الإعداد، كتب Argon تعليمات مؤقتة زمنيًا لأيدٍ روبوتية، وفحص إطارات الفيديو الناتجة، وعدّل الخطوة التالية حتى رتّبت الأيدي قطع الحروف لتكوّن كلمة ARGON. وفي عرض منفصل لذراع روبوتية، أعاد Argon محاولة مهمة فاشلة لوضع قطعة Lego بعد مراجعة سجلاته وصوره، فتحسّن أداؤه من 58.9 ثانية في المحاولة الأولى إلى 17.4 ثانية في الثالثة. وتقول Google إن Argon قادر كذلك على إعادة إنشاء أوراق بحثية منشورة في مجال الروبوتات على هيئة محاكاة تعمل في المتصفح، وقد بُنيت 68 بيئة تجريبية من هذا النوع حتى الآن.
ماذا تقول النتائج، ومن يمكنه استخدامه الآن
أقوى ما في عرض Google هو الشمولية: نموذج واحد للتحكم والمحاكاة وتقييم البيانات. أما التحفظ الأكبر فهو حجم الدعامات التي لا تزال ظاهرة. فقد نشرت Google أمثلة على التوجيهات تتضمن شبكات إحداثيات، وأوامر جاهزة مسبقًا، وقوائم طويلة من القيود، وفي بعض العروض وكلاء مساعدين يتحققون من المواضع قبل أن يتحرك الروبوت. وتقول Google إن Argon حقق 87 بالمئة في معيار ERQA للاستدلال المتجسد، لكنه جاء ثالثًا في معيار AA-Robotics من Artificial Analysis بنتيجة 55 من 100، خلف GPT-6 Astra بنتيجة 69 وGPT-6.1 Sol بنتيجة 65. ويمكن للمطورين الوصول إلى Argon الآن عبر Google AI Studio وAntigravity لمشتركي Google AI Ultra، ومن خلال الفئة المدفوعة من Gemini API.
بالنسبة لفرق الروبوتات، فإن الخلاصة العملية ليست أن نموذجًا واحدًا بات يحل محل المنظومة بأكملها، بل أن Google تدفع بقوة نحو هذا الهدف، وأن Argon يبدو مفيدًا بالفعل في توليد بيئات التدريب، واختبار خطط التنفيذ، ومراجعة العروض التوضيحية قبل التدريب. وتبقى الأسئلة المفتوحة: كم مرة تنجح سير العمل هذه دون تصميم توجيهات على يد خبراء، وإلى أي مدى تصمد خارج العروض المُعدّة بعناية؟
Gemini Omniاستخدمت Google نموذج Gemini Omni كنموذج عالمي للفيديو في أحد عروض Argon. وإذا أردت استكشاف جانب توليد المشاهد في سير العمل هذا، فهذه هي الأداة الأقرب إليه في دليلنا.

