Gemini 4 Argon crée des mondes d'entraînement pour robots à partir d'images ou de vidéos

Google a montré Gemini 4 Argon transformant une photo, un croquis ou une vidéo en simulations d'entraînement pour robots, même si la mise en place exigeait encore une intervention humaine.

3 min read

Gemini 4 Argon crée des mondes d'entraînement pour robots à partir d'images ou de vidéos

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

Le 15 octobre 2026, Google a présenté Gemini 4 Argon, un modèle robotique unique capable de piloter des robots, de générer des simulations d'entraînement à partir de photos, de croquis et de vidéos, et d'analyser des séquences d'entraînement. C'est important, car Google cherche à regrouper plusieurs étapes de la robotique en un seul système. Mais ses propres démonstrations montrent aussi qu'Argon dépend encore de prompts humains détaillés, d'agents de vérification supplémentaires et d'un accès développeur payant.

Ce que Google a montré

Les démonstrations de Google reposaient sur la simulation avant l'action dans le monde réel. Dans un exemple, un robot Spot de Boston Dynamics s'est entraîné à appuyer sur la pédale d'une poubelle et à y jeter une canette de soda dans une copie virtuelle de la scène, avant de s'y essayer sur le matériel réel. Dans un autre, Argon a pris une seule photo d'une table encombrée, en a créé une réplique, a inventé 77 tâches et généré plus de 4 500 épisodes d'entraînement. Selon Google, le taux de réussite d'un vrai robot est ainsi passé de 56 à 75 pour cent, et le temps d'exécution de 35 à 24 secondes. Argon a également transformé des séquences de téléopération, des vidéos humaines à la première personne et même un croquis au stylo en tâches robotiques simulées.

Un chiot robot devant un établi observe une arène d'entraînement miniature, avec le logo Boston Dynamics au mur.
Un croquis sommaire devient un petit bac à sable robotique avant l'essai réel.

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

Google a aussi montré Argon dans le rôle de planificateur pour Gemini Omni, un modèle de monde vidéo. Dans cette configuration, Argon rédigeait des instructions horodatées pour des mains robotiques, vérifiait les images vidéo obtenues et ajustait l'étape suivante jusqu'à ce que les mains disposent des tuiles de lettres pour former le mot ARGON. Dans une autre démonstration avec un bras robotique, Argon a retenté une tâche de placement de Lego ratée après avoir examiné ses propres journaux et images, passant de 58,9 secondes au premier essai à 17,4 secondes au troisième. Google affirme qu'Argon peut aussi recréer des articles de recherche en robotique sous forme de simulations dans le navigateur, avec 68 bacs à sable de ce type construits à ce jour.

Ce que disent les résultats, et qui peut l'utiliser dès maintenant

Le point fort de l'argumentaire de Google, c'est l'étendue : un seul modèle pour le contrôle, la simulation et l'évaluation des données. La principale réserve tient à tout l'échafaudage encore visible. Google a publié des exemples de prompts comprenant des grilles de coordonnées, des commandes prédéfinies, de longues listes de restrictions et, dans certaines démos, des agents auxiliaires qui vérifient les positions avant que le robot n'agisse. Google indique qu'Argon a obtenu 87 pour cent au benchmark ERQA de raisonnement incarné, mais sur le benchmark AA-Robotics d'Artificial Analysis, il se classe troisième avec 55 sur 100, derrière GPT-6 Astra à 69 et GPT-6.1 Sol à 65. Les développeurs peuvent dès maintenant accéder à Argon dans Google AI Studio et Antigravity pour les abonnés Google AI Ultra, ainsi que via l'offre payante de l'API Gemini.

Scores ERQA de raisonnement incarné cités par Google
Gemini 4 Argon87%
Claude Opus 5.582.3%
GPT-6 Astra81%
Claude Fable 5.174%
Résultats de Google au benchmark ERQA cités dans la source

Pour les équipes de robotique, l'enseignement pratique n'est pas qu'un seul modèle remplace désormais toute la chaîne. C'est que Google pousse fort dans cette direction, et qu'Argon semble déjà utile pour générer des environnements d'entraînement, tester des plans d'action et examiner des démonstrations avant l'entraînement. Restent deux questions : à quelle fréquence ces workflows fonctionnent sans prompts conçus par des experts, et comment ils tiennent hors de démos soigneusement mises en scène.

Gemini OmniGoogle a utilisé Gemini Omni comme modèle de monde vidéo dans l'une des démos d'Argon. Si vous souhaitez explorer la partie génération de scènes de ce workflow, voici l'outil le plus proche dans notre catalogue.

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 Actualités