Gemini 4 Argon tạo môi trường huấn luyện robot từ bất kỳ hình ảnh hay video nào
Google trình diễn Gemini 4 Argon biến một bức ảnh, bản phác thảo hay video thành mô phỏng huấn luyện robot, dù khâu thiết lập vẫn cần con người can thiệp.
Illustration made on Lumeta with GPT Image 2.5Make one like it
Ngày 15/10/2026, Google giới thiệu Gemini 4 Argon, một mô hình robot duy nhất có thể điều khiển robot, tạo mô phỏng huấn luyện từ ảnh, bản phác thảo và video, đồng thời đánh giá các đoạn phim huấn luyện. Điều này đáng chú ý vì Google đang cố gộp nhiều bước trong quy trình robot vào một hệ thống, nhưng chính các bản demo của hãng cũng cho thấy Argon vẫn phụ thuộc vào câu lệnh chi tiết do con người soạn, các agent xác minh bổ sung và quyền truy cập trả phí dành cho nhà phát triển.
Những gì Google đã trình diễn
Các bản demo của Google tập trung vào việc dùng mô phỏng trước khi hành động trong thế giới thực. Trong một ví dụ, robot Spot của Boston Dynamics tập cách đạp lên bàn đạp thùng rác và vứt một lon nước ngọt bên trong bản sao ảo của khung cảnh, trước khi thực hiện trên phần cứng thật. Ở một ví dụ khác, Argon lấy một bức ảnh chụp chiếc bàn bừa bộn, tạo ra cảnh mô phỏng tương ứng, tự nghĩ ra 77 nhiệm vụ và sinh hơn 4.500 tập huấn luyện. Google cho biết điều này giúp tỷ lệ thành công của một robot thật tăng từ 56 lên 75 phần trăm và rút ngắn thời gian thực hiện từ 35 xuống 24 giây. Argon cũng chuyển được video điều khiển từ xa, video góc nhìn thứ nhất của con người và thậm chí một bản phác thảo bằng bút thành các nhiệm vụ robot mô phỏng.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Google cũng cho thấy Argon đóng vai trò bộ lập kế hoạch cho Gemini Omni, một mô hình thế giới dạng video. Trong thiết lập này, Argon viết các chỉ dẫn có mốc thời gian cho bàn tay robot, kiểm tra các khung hình video tạo ra và điều chỉnh bước tiếp theo cho đến khi bàn tay xếp các ô chữ thành từ ARGON. Một bản demo cánh tay robot khác cho Argon thử lại nhiệm vụ đặt Lego bị thất bại sau khi xem lại nhật ký và hình ảnh của chính nó, cải thiện từ 58,9 giây ở lần đầu xuống 17,4 giây ở lần thứ ba. Google cho biết Argon còn có thể tái hiện các bài báo nghiên cứu robot đã công bố dưới dạng mô phỏng chạy trên trình duyệt, với 68 sân tập như vậy đã được xây dựng cho đến nay.
Kết quả nói lên điều gì và ai có thể dùng ngay
Điểm mạnh nhất trong lời giới thiệu của Google là độ bao quát: một mô hình cho điều khiển, mô phỏng và đánh giá dữ liệu. Điểm cần lưu ý lớn nhất là lượng "giàn giáo" hỗ trợ vẫn còn lộ rõ. Google công bố các câu lệnh mẫu bao gồm lưới tọa độ, lệnh dựng sẵn, danh sách hạn chế dài và, trong một số demo, các agent phụ trợ xác minh vị trí trước khi robot hành động. Google cho biết Argon đạt 87 phần trăm trên benchmark ERQA về suy luận hiện thân, nhưng trên benchmark AA-Robotics của Artificial Analysis, mô hình chỉ xếp thứ ba với 55/100 điểm, sau GPT-6 Astra với 69 và GPT-6.1 Sol với 65. Nhà phát triển có thể truy cập Argon ngay hôm nay trong Google AI Studio và Antigravity dành cho thuê bao Google AI Ultra, cũng như qua gói trả phí của Gemini API.
Với các đội ngũ phát triển robot, bài học thực tế không phải là một mô hình giờ đã thay thế toàn bộ hệ thống. Mà là Google đang đẩy mạnh hướng tới mục tiêu đó, và Argon đã tỏ ra hữu ích trong việc tạo môi trường luyện tập, thử nghiệm kế hoạch hành động và đánh giá các bản trình diễn trước khi huấn luyện. Những câu hỏi còn bỏ ngỏ là các quy trình này hoạt động được bao nhiêu lần mà không cần chuyên gia thiết kế câu lệnh, và chúng trụ vững đến đâu bên ngoài những bản demo được dàn dựng cẩn thận.
Gemini OmniGoogle đã dùng Gemini Omni làm mô hình thế giới dạng video trong một bản demo Argon. Nếu bạn muốn khám phá phần tạo cảnh của quy trình đó, đây là công cụ phù hợp nhất trong danh mục của chúng tôi.

