Gemini 4 Argon crea mundos de entrenamiento para robots a partir de cualquier imagen o vídeo

Google mostró cómo Gemini 4 Argon convierte una foto, un boceto o un vídeo en simulaciones de entrenamiento para robots, aunque la configuración todavía requirió trabajo humano.

3 min read

Gemini 4 Argon crea mundos de entrenamiento para robots a partir de cualquier imagen o vídeo

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

El 15 de octubre de 2026, Google presentó Gemini 4 Argon como un único modelo de robótica capaz de controlar robots, generar simulaciones de entrenamiento a partir de fotos, bocetos y vídeos, y revisar grabaciones de entrenamiento. Esto es relevante porque Google intenta reunir varias fases de la robótica en un solo sistema, pero sus propias demostraciones también muestran que Argon sigue dependiendo de instrucciones humanas detalladas, de agentes de verificación adicionales y de un acceso de pago para desarrolladores.

Lo que mostró Google

Las demostraciones de Google se centraron en usar la simulación antes de actuar en el mundo real. En un ejemplo, un robot Spot de Boston Dynamics practicó cómo pisar el pedal de un cubo de basura y tirar una lata de refresco dentro de una copia virtual de la escena antes de intentarlo con el hardware real. En otro, Argon tomó una sola foto de una mesa desordenada, creó una réplica de la escena, inventó 77 tareas y generó más de 4.500 episodios de entrenamiento. Según Google, esto elevó la tasa de éxito de un robot real del 56 al 75 por ciento y redujo el tiempo de ejecución de 35 a 24 segundos. Argon también convirtió grabaciones de teleoperación, vídeos humanos en primera persona e incluso un boceto a bolígrafo en tareas robóticas simuladas.

Un perrito robot en un banco de trabajo observa una arena de entrenamiento en miniatura; el logotipo de Boston Dynamics en la pared.
Un boceto rápido se convierte en un pequeño entorno de pruebas robótico antes de la ejecución real.

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

Google también mostró a Argon actuando como planificador para Gemini Omni, un modelo de mundo basado en vídeo. En esa configuración, Argon escribió instrucciones con marcas de tiempo para unas manos robóticas, comprobó los fotogramas resultantes y ajustó el siguiente paso hasta que las manos ordenaron fichas de letras para formar ARGON. En otra demostración con un brazo robótico, Argon reintentó una tarea fallida de colocar piezas de Lego tras revisar sus propios registros e imágenes, y pasó de 58,9 segundos en el primer intento a 17,4 segundos en el tercero. Google afirma que Argon también puede recrear artículos de robótica publicados como simulaciones en el navegador, con 68 entornos de este tipo creados hasta ahora.

Qué dicen los resultados y quién puede usarlo ya

El punto más fuerte de la propuesta de Google es su amplitud: un solo modelo para control, simulación y evaluación de datos. La mayor salvedad es cuánto andamiaje sigue siendo visible. Google publicó ejemplos de prompts que incluyen cuadrículas de coordenadas, comandos predefinidos, largas listas de restricciones y, en algunas demostraciones, agentes auxiliares que verifican posiciones antes de que el robot actúe. Google asegura que Argon obtuvo un 87 por ciento en el benchmark ERQA de razonamiento corporeizado, pero en el benchmark AA-Robotics de Artificial Analysis quedó tercero con 55 sobre 100, por detrás de GPT-6 Astra con 69 y GPT-6.1 Sol con 65. Los desarrolladores ya pueden acceder a Argon en Google AI Studio y Antigravity si son suscriptores de Google AI Ultra, y a través del nivel de pago de la API de Gemini.

Puntuaciones ERQA de razonamiento corporeizado citadas por Google
Gemini 4 Argon87%
Claude Opus 5.582.3%
GPT-6 Astra81%
Claude Fable 5.174%
Resultados del benchmark ERQA de Google citados en la fuente

Para los equipos de robótica, la conclusión práctica no es que un solo modelo sustituya ya toda la pila. Es que Google está apostando fuerte por ese objetivo, y Argon ya parece útil para generar entornos de práctica, probar planes de acción y revisar demostraciones antes del entrenamiento. Las preguntas abiertas son con qué frecuencia funcionan estos flujos sin un diseño experto de prompts y qué tal resisten fuera de demostraciones cuidadosamente preparadas.

Gemini OmniGoogle usó Gemini Omni como modelo de mundo basado en vídeo en una de las demostraciones de Argon. Si quieres explorar la parte de generación de escenas de ese flujo de trabajo, esta es la herramienta más parecida de nuestro catálogo.

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 Noticias