Gemini 4 Argon tworzy światy do trenowania robotów z dowolnego zdjęcia lub wideo
Google pokazał, jak Gemini 4 Argon zamienia zdjęcie, szkic lub wideo w symulacje treningowe dla robotów, choć konfiguracja wciąż wymagała pracy człowieka.
Illustration made on Lumeta with GPT Image 2.5Make one like it
15 października 2026 r. Google zaprezentował Gemini 4 Argon, jeden model robotyczny, który potrafi sterować robotami, generować symulacje treningowe ze zdjęć, szkiców i nagrań wideo oraz oceniać materiał treningowy. To ważne, bo Google próbuje połączyć kilka etapów pracy nad robotami w jednym systemie. Jego własne pokazy dowodzą jednak, że Argon nadal zależy od szczegółowych promptów pisanych przez ludzi, dodatkowych agentów weryfikujących i płatnego dostępu dla deweloperów.
Co pokazał Google
Pokazy Google koncentrowały się na wykorzystaniu symulacji przed działaniem w prawdziwym świecie. W jednym przykładzie robot Spot od Boston Dynamics ćwiczył w wirtualnej kopii sceny, jak nadepnąć na pedał kosza i wyrzucić puszkę po napoju, zanim spróbował tego na prawdziwym sprzęcie. W innym Argon na podstawie jednego zdjęcia zagraconego stołu stworzył replikę sceny, wymyślił 77 zadań i wygenerował ponad 4500 epizodów treningowych. Według Google podniosło to skuteczność prawdziwego robota z 56 do 75 procent i skróciło czas wykonania z 35 do 24 sekund. Argon zamieniał też w symulowane zadania dla robotów nagrania z teleoperacji, wideo z perspektywy pierwszej osoby, a nawet szkic wykonany długopisem.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Google pokazał również Argona w roli planisty dla Gemini Omni, wideo-modelu świata. W tym układzie Argon pisał instrukcje ze znacznikami czasu dla robotycznych dłoni, sprawdzał powstałe klatki wideo i korygował kolejny krok, aż dłonie ułożyły z płytek z literami słowo ARGON. W osobnym pokazie z ramieniem robotycznym Argon ponowił nieudane zadanie umieszczenia klocka Lego po przeanalizowaniu własnych logów i obrazów, skracając czas z 58,9 sekundy w pierwszej próbie do 17,4 sekundy w trzeciej. Google twierdzi, że Argon potrafi też odtwarzać opublikowane prace naukowe z robotyki jako symulacje w przeglądarce. Do tej pory powstało 68 takich piaskownic.
Co mówią wyniki i kto może z tego korzystać już teraz
Najmocniejszą stroną oferty Google jest jej zakres: jeden model do sterowania, symulacji i oceny danych. Największe zastrzeżenie dotyczy tego, jak wiele rusztowania wciąż widać. Google opublikował przykładowe prompty zawierające siatki współrzędnych, gotowe polecenia, długie listy ograniczeń, a w niektórych pokazach także agentów pomocniczych, którzy weryfikują pozycje, zanim robot zacznie działać. Według Google Argon uzyskał 87 procent w benchmarku ERQA dotyczącym ucieleśnionego rozumowania, ale w benchmarku AA-Robotics od Artificial Analysis zajął trzecie miejsce z wynikiem 55 na 100, za GPT-6 Astra (69) i GPT-6.1 Sol (65). Deweloperzy mogą już korzystać z Argona w Google AI Studio i Antigravity w ramach subskrypcji Google AI Ultra oraz przez płatny plan Gemini API.
Dla zespołów zajmujących się robotyką praktyczny wniosek nie brzmi tak, że jeden model zastępuje teraz cały stos technologiczny. Chodzi raczej o to, że Google mocno zmierza w tym kierunku, a Argon już teraz wydaje się przydatny do generowania środowisk treningowych, testowania planów działania i przeglądania demonstracji przed treningiem. Otwarte pozostają pytania, jak często te procesy działają bez eksperckiego projektowania promptów i jak sprawdzają się poza starannie zaaranżowanymi pokazami.
Gemini OmniW jednym z pokazów Argona Google użył Gemini Omni jako wideo-modelu świata. Jeśli chcesz poznać część tego procesu związaną z generowaniem scen, to najbliższe pasujące narzędzie w naszym katalogu.

