Gemini 4 Argon สร้างโลกจำลองฝึกหุ่นยนต์ได้จากภาพหรือวิดีโอใดก็ได้
Google สาธิตให้เห็นว่า Gemini 4 Argon สามารถเปลี่ยนภาพถ่าย ภาพสเก็ตช์ หรือวิดีโอ ให้กลายเป็นซิมูเลชันสำหรับฝึกหุ่นยนต์ได้ แม้การตั้งค่ายังต้องอาศัยแรงงานมนุษย์อยู่
Illustration made on Lumeta with GPT Image 2.5Make one like it
เมื่อวันที่ 15 ต.ค. 2026 Google เปิดตัว Gemini 4 Argon ในฐานะโมเดลหุ่นยนต์ตัวเดียวที่ควบคุมหุ่นยนต์ได้ สร้างซิมูเลชันสำหรับฝึกจากภาพถ่าย ภาพสเก็ตช์ และวิดีโอได้ รวมถึงตรวจสอบฟุตเทจการฝึกได้ด้วย เรื่องนี้สำคัญเพราะ Google กำลังพยายามรวบหลายขั้นตอนของงานหุ่นยนต์ไว้ในระบบเดียว แต่เดโมของ Google เองก็แสดงให้เห็นว่า Argon ยังต้องพึ่งการเขียนพรอมต์อย่างละเอียดโดยมนุษย์ เอเจนต์ตรวจสอบเพิ่มเติม และสิทธิ์การเข้าถึงสำหรับนักพัฒนาแบบเสียเงิน
สิ่งที่ Google นำมาโชว์
เดโมของ Google เน้นการใช้ซิมูเลชันก่อนลงมือทำในโลกจริง ตัวอย่างหนึ่งคือหุ่นยนต์ Spot ของ Boston Dynamics ฝึกเหยียบแป้นถังขยะและทิ้งกระป๋องน้ำอัดลมในสำเนาเสมือนของฉากนั้น ก่อนจะลองทำจริงบนฮาร์ดแวร์ อีกตัวอย่างหนึ่ง Argon ใช้ภาพถ่ายโต๊ะรก ๆ เพียงภาพเดียวสร้างฉากจำลองขึ้นมา คิดงานขึ้นมา 77 งาน และสร้างเอพิโซดสำหรับฝึกมากกว่า 4,500 เอพิโซด Google ระบุว่าวิธีนี้ช่วยเพิ่มอัตราความสำเร็จของหุ่นยนต์จริงจาก 56 เป็น 75 เปอร์เซ็นต์ และลดเวลาในการทำงานจาก 35 เหลือ 24 วินาที นอกจากนี้ Argon ยังเปลี่ยนฟุตเทจการควบคุมระยะไกล วิดีโอมุมมองบุคคลที่หนึ่งของมนุษย์ และแม้แต่ภาพสเก็ตช์ด้วยปากกา ให้กลายเป็นงานหุ่นยนต์ในซิมูเลชันได้

Illustration made on Lumeta with GPT Image 2.5Make one like it
Google ยังแสดงให้เห็น Argon ทำหน้าที่เป็นผู้วางแผนให้ Gemini Omni ซึ่งเป็นโมเดลโลกแบบวิดีโอ ในการตั้งค่านี้ Argon เขียนคำสั่งพร้อมระบุเวลาให้มือหุ่นยนต์ ตรวจเฟรมวิดีโอที่ได้ และปรับขั้นตอนถัดไป จนมือหุ่นยนต์เรียงแผ่นตัวอักษรสะกดเป็นคำว่า ARGON ได้สำเร็จ ส่วนเดโมแขนกลอีกชุดหนึ่ง Argon ลองทำงานวางชิ้น Lego ที่ล้มเหลวซ้ำอีกครั้งหลังทบทวนล็อกและภาพของตัวเอง โดยใช้เวลาลดลงจาก 58.9 วินาทีในรอบแรกเหลือ 17.4 วินาทีในรอบที่สาม Google ระบุว่า Argon ยังสร้างงานวิจัยหุ่นยนต์ที่ตีพิมพ์แล้วขึ้นมาใหม่เป็นซิมูเลชันบนเบราว์เซอร์ได้ โดยสร้างแซนด์บ็อกซ์แบบนี้ไปแล้ว 68 รายการ
ผลลัพธ์บอกอะไร และใครใช้ได้แล้วตอนนี้
จุดแข็งที่สุดของสิ่งที่ Google นำเสนอคือความครอบคลุม: โมเดลเดียวสำหรับการควบคุม ซิมูเลชัน และการประเมินข้อมูล ข้อควรระวังใหญ่ที่สุดคือยังเห็นโครงช่วยเหลือที่มนุษย์ต้องเตรียมไว้อยู่มาก Google เผยแพร่ตัวอย่างพรอมต์ที่มีทั้งกริดพิกัด คำสั่งที่สร้างไว้ล่วงหน้า รายการข้อจำกัดยาวเหยียด และในบางเดโมยังมีเอเจนต์ผู้ช่วยคอยตรวจสอบตำแหน่งก่อนหุ่นยนต์จะลงมือ Google ระบุว่า Argon ทำคะแนนได้ 87 เปอร์เซ็นต์บนเบนช์มาร์ก ERQA ด้านการให้เหตุผลเชิงกายภาพ แต่บนเบนช์มาร์ก AA-Robotics ของ Artificial Analysis กลับได้อันดับสามด้วยคะแนน 55 จาก 100 ตามหลัง GPT-6 Astra ที่ 69 และ GPT-6.1 Sol ที่ 65 ตอนนี้นักพัฒนาเข้าถึง Argon ได้แล้วผ่าน Google AI Studio และ Antigravity สำหรับสมาชิก Google AI Ultra รวมถึงผ่าน Gemini API ระดับเสียเงิน
สำหรับทีมพัฒนาหุ่นยนต์ ข้อสรุปเชิงปฏิบัติไม่ใช่ว่าโมเดลเดียวจะมาแทนที่ทั้งสแตกได้แล้ว แต่คือ Google กำลังผลักดันเต็มที่ไปสู่เป้าหมายนั้น และ Argon ก็ดูมีประโยชน์แล้วสำหรับการสร้างสภาพแวดล้อมฝึกซ้อม ทดสอบแผนการทำงาน และตรวจสอบการสาธิตก่อนการฝึก คำถามที่ยังเปิดอยู่คือเวิร์กโฟลว์เหล่านี้ใช้งานได้บ่อยแค่ไหนโดยไม่ต้องมีผู้เชี่ยวชาญออกแบบพรอมต์ และจะทำงานได้ดีเพียงใดนอกเดโมที่จัดฉากมาอย่างรอบคอบ
Gemini OmniGoogle ใช้ Gemini Omni เป็นโมเดลโลกแบบวิดีโอในเดโมหนึ่งของ Argon หากคุณอยากลองสำรวจด้านการสร้างฉากของเวิร์กโฟลว์นี้ นี่คือเครื่องมือที่ใกล้เคียงที่สุดในแคตตาล็อกของเรา

