Gemini 4 Argon создаёт миры для обучения роботов из любого фото или видео

Google показала, как Gemini 4 Argon превращает фото, набросок или видео в симуляции для обучения роботов, хотя настройка по-прежнему требовала участия человека.

3 min read

Gemini 4 Argon создаёт миры для обучения роботов из любого фото или видео

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

15 октября 2026 года Google представила Gemini 4 Argon: единую модель для робототехники, которая умеет управлять роботами, создавать обучающие симуляции по фотографиям, наброскам и видео, а также анализировать записи тренировок. Это важно, потому что Google пытается свести несколько этапов робототехнического конвейера в одну систему. Однако её собственные демонстрации показывают, что Argon всё ещё зависит от подробных промптов, написанных людьми, дополнительных агентов-проверщиков и платного доступа для разработчиков.

Что показала Google

Демонстрации Google строились вокруг идеи отрабатывать действия в симуляции, прежде чем выполнять их в реальном мире. В одном примере робот Spot от Boston Dynamics тренировался нажимать на педаль мусорного бака и выбрасывать банку из-под газировки в виртуальной копии сцены, а уже потом пробовал сделать это на настоящем железе. В другом Argon взял одну фотографию заставленного предметами стола, воссоздал сцену, придумал 77 задач и сгенерировал более 4 500 обучающих эпизодов. По словам Google, это повысило долю успешных попыток реального робота с 56 до 75 процентов и сократило время выполнения с 35 до 24 секунд. Кроме того, Argon превращал в симулированные задачи для робота записи телеуправления, видео от первого лица и даже набросок ручкой.

Робот-щенок за верстаком наблюдает за миниатюрной тренировочной площадкой; на стене логотип Boston Dynamics.
Грубый набросок превращается в крошечную песочницу для робота перед запуском в реальном мире.

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

Google также показала Argon в роли планировщика для Gemini Omni, видеомодели мира. В этой связке Argon писал инструкции с временными метками для роботизированных рук, проверял полученные кадры видео и корректировал следующий шаг, пока руки не выложили из плиток с буквами слово ARGON. В отдельной демонстрации с роботизированной рукой Argon повторил неудавшуюся попытку установить деталь Lego, предварительно изучив собственные логи и изображения: время сократилось с 58,9 секунды при первом запуске до 17,4 секунды при третьем. По словам Google, Argon также умеет воссоздавать опубликованные научные работы по робототехнике в виде браузерных симуляций: на сегодня создано 68 таких песочниц.

О чём говорят результаты и кто может пользоваться моделью уже сейчас

Самая сильная сторона презентации Google в широте охвата: одна модель для управления, симуляции и оценки данных. Главная оговорка в том, насколько заметны вспомогательные конструкции. Google опубликовала примеры промптов с координатными сетками, готовыми командами, длинными списками ограничений, а в некоторых демонстрациях и с агентами-помощниками, которые проверяют положение объектов перед действием робота. По данным Google, Argon набрал 87 процентов в бенчмарке ERQA на воплощённое мышление, однако в бенчмарке AA-Robotics от Artificial Analysis он занял третье место с 55 баллами из 100, уступив GPT-6 Astra с 69 и GPT-6.1 Sol с 65. Разработчики уже могут получить доступ к Argon в Google AI Studio и Antigravity при подписке Google AI Ultra, а также через платный тариф Gemini API.

Результаты ERQA по воплощённому мышлению, приведённые Google
Gemini 4 Argon87%
Claude Opus 5.582.3%
GPT-6 Astra81%
Claude Fable 5.174%
Результаты бенчмарка ERQA от Google, приведённые в источнике

Практический вывод для команд робототехников не в том, что одна модель теперь заменяет весь стек. Скорее в том, что Google настойчиво движется к этой цели, а Argon уже выглядит полезным для создания тренировочных сред, проверки планов действий и анализа демонстраций перед обучением. Открытыми остаются вопросы, насколько часто такие сценарии работают без экспертного составления промптов и насколько хорошо они справляются за пределами тщательно подготовленных демонстраций.

Gemini OmniВ одной из демонстраций Argon Google использовала Gemini Omni в качестве видеомодели мира. Если хотите изучить генерацию сцен в рамках этого процесса, это самый подходящий инструмент в нашем каталоге.

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 Новости