Gemini 4 Argon erstellt Trainingswelten für Roboter aus jedem Bild oder Video

Google hat gezeigt, wie Gemini 4 Argon ein Foto, eine Skizze oder ein Video in Trainingssimulationen für Roboter verwandelt, auch wenn die Einrichtung weiterhin menschliche Arbeit erforderte.

3 min read

Gemini 4 Argon erstellt Trainingswelten für Roboter aus jedem Bild oder Video

Illustration made on Lumeta with GPT Image 2.5Make one like it

Am 15. Oktober 2026 hat Google Gemini 4 Argon vorgestellt: ein einzelnes Robotikmodell, das Roboter steuern, aus Fotos, Skizzen und Videos Trainingssimulationen erzeugen und Trainingsaufnahmen auswerten kann. Das ist relevant, weil Google versucht, mehrere Schritte der Robotikentwicklung in einem System zu bündeln. Die eigenen Demos zeigen allerdings auch, dass Argon weiterhin auf detaillierte Prompts von Menschen, zusätzliche Verifizierungsagenten und kostenpflichtigen Entwicklerzugang angewiesen ist.

Was Google gezeigt hat

Im Mittelpunkt der Demos stand die Simulation vor dem Einsatz in der realen Welt. In einem Beispiel übte ein Spot-Roboter von Boston Dynamics in einer virtuellen Kopie der Szene, auf das Pedal eines Mülleimers zu treten und eine Getränkedose wegzuwerfen, bevor er es mit echter Hardware versuchte. In einem anderen nahm Argon ein einziges Foto eines unaufgeräumten Tisches, erstellte daraus eine nachgebaute Szene, dachte sich 77 Aufgaben aus und generierte mehr als 4.500 Trainingsepisoden. Laut Google stieg dadurch die Erfolgsquote eines echten Roboters von 56 auf 75 Prozent, und die Ausführungszeit sank von 35 auf 24 Sekunden. Außerdem verwandelte Argon Teleoperationsaufnahmen, Videos von Menschen aus der Ich-Perspektive und sogar eine Stiftskizze in simulierte Roboteraufgaben.

Ein Roboterwelpe an einer Werkbank beobachtet eine Trainingsarena im Miniaturformat; an der Wand das Logo von Boston Dynamics.
Aus einer groben Skizze wird ein kleiner Robotersandkasten, noch bevor es in die reale Welt geht.

Illustration made on Lumeta with GPT Image 2.5Make one like it

Google zeigte Argon außerdem als Planer für Gemini Omni, ein Video-Weltmodell. In diesem Aufbau schrieb Argon mit Zeitstempeln versehene Anweisungen für Roboterhände, prüfte die entstandenen Videoframes und passte den nächsten Schritt an, bis die Hände Buchstabenplättchen zum Wort ARGON gelegt hatten. In einer separaten Demo mit einem Roboterarm wiederholte Argon eine gescheiterte Lego-Platzierungsaufgabe, nachdem es seine eigenen Logs und Bilder ausgewertet hatte, und verbesserte sich von 58,9 Sekunden im ersten auf 17,4 Sekunden im dritten Durchlauf. Laut Google kann Argon zudem veröffentlichte Robotik-Paper als browserbasierte Simulationen nachbauen; bislang sind 68 solcher Sandboxes entstanden.

Was die Ergebnisse aussagen und wer es jetzt nutzen kann

Die größte Stärke von Googles Konzept ist die Bandbreite: ein Modell für Steuerung, Simulation und Datenauswertung. Der größte Haken ist, wie viel Gerüst noch durchscheint. Google veröffentlichte Beispiel-Prompts mit Koordinatenrastern, vorgefertigten Befehlen, langen Listen von Einschränkungen und in manchen Demos Hilfsagenten, die Positionen überprüfen, bevor der Roboter handelt. Laut Google erreichte Argon im ERQA-Benchmark für verkörpertes Schlussfolgern 87 Prozent. Im AA-Robotics-Benchmark von Artificial Analysis landete es dagegen mit 55 von 100 Punkten nur auf Platz drei, hinter GPT-6 Astra mit 69 und GPT-6.1 Sol mit 65. Entwickler können Argon ab sofort in Google AI Studio und Antigravity für Abonnenten von Google AI Ultra sowie über die kostenpflichtige Stufe der Gemini API nutzen.

Von Google genannte ERQA-Werte für verkörpertes Schlussfolgern
Gemini 4 Argon87%
Claude Opus 5.582.3%
GPT-6 Astra81%
Claude Fable 5.174%
In der Quelle zitierte ERQA-Benchmark-Ergebnisse von Google

Für Robotikteams lautet die praktische Erkenntnis nicht, dass ein einziges Modell nun den gesamten Stack ersetzt. Vielmehr treibt Google dieses Ziel mit Nachdruck voran, und Argon wirkt schon jetzt nützlich, um Übungsumgebungen zu erzeugen, Handlungspläne zu testen und Demonstrationen vor dem Training zu prüfen. Offen bleibt, wie oft diese Workflows ohne ausgefeiltes Prompt-Design durch Experten funktionieren und wie gut sie sich außerhalb sorgfältig inszenierter Demos bewähren.

Gemini OmniGoogle nutzte Gemini Omni in einer Argon-Demo als Video-Weltmodell. Wer die Szenengenerierung dieses Workflows selbst ausprobieren möchte, findet hier das am besten passende Tool in unserem Katalog.

Every top AI model, in one place

Nano Banana 2, GPT Image 2.5, Seedance, Veo and more, all on one credit balance. Start free with 35 credits a month. No card needed.

All tools for "From a description"

More from Lumeta

All Neuigkeiten