谷歌推Gemini 4 Argon:能控机器人、建仿真场景,ERQA达87%

资讯 InfoQ 全文 1414 字 · 约 4 分钟读完 配图 1 张 分类GeminiArgonGoogle模型发布机器人推理模型

谷歌发布了 Gemini 4 Argon,并将其定位为一款通用物理推理模型,适用于机器人控制、 Real2Sim 场景构建、机器人视频多模态标注以及迭代策略优化,而非单一的末端执行器策略。

所属频道 大厂动态模型发布Gemini 与 Google AI机器人与具身智能

谷歌拿出了 Gemini 4 Argon,把它定义为通用物理推理模型。按官方说法,这款模型面向机器人控制、Real2Sim 场景构建、机器人视频多模态标注以及迭代策略优化,并不是只做单一末端执行器策略的东西。

已公开的提示词里记录了这几类用法:在 MuJoCo 孪生环境中训练之后,Argon 指挥波士顿动力公司的 Spot 机器人完成了脚踏板任务;借助视觉坐标和 HTTP 运动原语,操控结构相对简单的机械臂;再通过 Gemini Omni 视频世界模型做闭环控制。Real2Sim 的示例是从遥操作视频里重建出 MuJoCo 场景;标注类提示词则对演示视频打标注,用于行为克隆。谷歌还称,他们用一张 RGB 照片合成了带领域随机化的 MuJoCo 场景,并据此微调视觉-语言-动作策略,在对应的真实环境中成功率由 56% 升到 75% 。

在“具身推理问答(ERQA)”基准测试中,谷歌报告 Argon 不借助任何辅助工具、纯靠推理就拿到 87% 的得分,并称这一成绩在该测试中领先其他前沿模型。目前 Argon 向 Google AI Ultra 订阅用户开放,也可通过付费的 Gemini API 调用,模型 ID 是 gemini-4-argon(详见 Gemini API 模型文档)。

不过,那篇机器人技术博文里用上了针对具体任务的大段提示词、坐标网格、运动原语和验证器,辅助结构本身就是被测系统的一部分;谷歌只公布了单个 VLA 案例,各项演示的失败率没有披露。早期从业者的讨论,焦点多落在模拟保真度上。Davin YC Dong 在 X 上这样评论:

谷歌那个 Gemini 4 Argon 机器人演示,不光靠视觉来校准仿真孪生体,还会专门针对现实里的物理接触事件做调优。这恰恰是我要重点核查的地方:一个场景看着可能挺像真的,里面的物理表现却未必对。做机械操作,接触那一刻的实际行为和像素匹配一样关键。

另外,本周流传着一个关于 Video-to-Sim-to-Real 的说法,开发者 pulpmatrix 为此呼吁大家注意信息来源的严谨性:

“Video-to-Sim-to-Real 技术是真实存在的,这一点谷歌的开发博客 Gemini 4 Argon for Robotics 已经证实(MuJoCo 孪生模型,ERQA 达 87%)。不过,玉米洞(Cornhole

)游戏并未包含在内:既无论文,也无代码库,更无命中率数据,而且实际投掷数据是先用于校准机器人的。”

专做视觉-语言-动作的系统,比如 OpenVLA 类策略、Physical Intelligence 的 π 系列模型,以及配套 Isaac 工具链的 NVIDIA GR00T,都是围绕机器人在具身场景下的动作预测做优化,通常要靠大型遥操作或模拟语料库。场景到模拟(Scene-to-sim)与生成式世界工具、World Labs 风格的重建、NVIDIA DreamDojo 风格的动作视频、Isaac Sim 数字孪生,重点在环境合成或视频预测,但未必具备谷歌提示词中那一整套控制与质量控制(QC)闭环。空间感知和规划方向上,谷歌此前的工作如 Gemini Robotics-ER,一直是一条重要的研究线。从架构评审的角度看,关键问题是:一个前沿模型加一套复杂的提示词体系,能不能替代由 VLA、模拟器和标注服务组成的管道。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 谷歌推 Gemini 4 Argon:面向机器人控制与策略优化

    谷歌发布了 Gemini 4 Argon,并将其定位为一款通用物理推理模型,适用于机器人控制、 Real2Sim 场景构建、机器人视频多模态标注以及迭代策略优化,而非单一的末端执行器策略。 在已发布的提示词中,在 MuJoCo 孪生环境中进行训练后,Argon 引导波士顿动力公司的 Spot 机器人完成了脚踏板任务;利

    来源 AI 行业观察
  2. Gemini登陆Mac桌面:AI代理可代操作电脑,隐私风险几何?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险

    来源 AI 科技快讯
  3. ChatGPT和Gemini被曝推送虚假购物网站:151品牌测试出错率几何?

    最近有一项新研究爆出了一个很值得大家警惕的问题:AI聊天机器人居然会主动给用户推荐虚假购物网站。 品牌保护服务商Podqi做了一组测试,一共覆盖151个不同品牌。 测试结果显示,Perplexity给出风险网址的概率高达15%,ChatGPT和Gemini的情况也好不到哪里去,出错比例和它相差不远。 很多人已经习惯买东

    来源 AI 行业观察
  4. 谷歌Gemini 4再添Neon:中杯模型补位,Genie 4开放

    编辑|冷猫 一觉醒来,谷歌又双叒叕发 Gemini 4 模型了。 谷歌最近一直在基础模型上发力,从最高智能到最高效率的模型不停发布,为了重返王座真是拼了。 在 Carbon、Argon、Hydrogen 之后,填补最高智能和最高效率之间的「中杯」模型 Gemini 4 Neon 登场! Demis

    来源 AI 开发者社区
  5. 谷歌Gemini登陆Mac:AI代理代操作电脑,桌面入口争夺战开跑?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险,也成为用

    来源 AI 行业观察
  6. LlamaIndex发布OCRia-1.5,NVIDIA推Cosmos数据工厂

    本期速报关注文档解析与合成数据的新进展。LlamaIndex推出OCRia-1.5模型家族,提升复杂表格解析精度;Google DeepMind上线Genie 4,支持原生音频与实时编辑;NVIDIA发布Cosmos Data Factory蓝图,通过Prompt生成含稀有事件的训练数据。此外,Gemini应用适配低内

    来源 AI 应用前沿
  7. Edge AI Daily 早报(11月20日)-钛媒体官方网站

    Anthropic以83美元定价登陆纳斯达克,首日高开34%,估值约1.5万亿美元;亚马逊谷歌合计持股28.4%,算力承诺近9000亿美元。英伟达Q3营收1158亿美元,董事会接触Arm CEO哈斯接替黄仁勋。OpenAI因训练环境漏洞停训11天,亚利桑那调查AI代理访问银行;谷歌发布Gemini 4 Neon,苹果推

    来源 钛媒体
  8. 「北美大豆包」谷歌,终于杀回 AI 牌桌中央

    谷歌,这次是真的回来了。 11 月 18 日,Google DeepMind 点亮了Gemini 4 Neon的霓虹灯牌。 这是 Gemini 4 系列在短短 7 周内甩出的第 4 款元素模型。如果看一眼官方放出的基准跑分长表和社区实测反馈,你会发现它精准卡在了一个极其舒服的「甜点」位上,既有接近、甚至局部反超旗舰的硬

    来源 AI 行业观察
  9. 让大语言模型学会把方向盘交出去

    你有没有想过,一个客服机器人在接到"帮我取消订单"这种请求时,脑子里到底在发生什么?它要先查这个客户是谁,再查订单状态,然后决定是直接取消还是该先问一句"您确定吗"。这一整套流程,看起来简单,但背后每一步都要调用一次大语言模型,也就是那个又贵又慢的AI大脑。**大语言模型*:指像GPT、Gemini这样参数规模巨大、.

    来源 腾讯网
  10. 谷歌Gemini登陆Mac:可跨应用操作、做PPT、填表单

    IT之家 11 月 20 日消息,当地时间 11 月 19 日,谷歌宣布为 macOS 版 Gemini 应用推出全新的“电脑操控”(Computer Use)功能,允许 AI 直接操作 Mac 上的桌面应用、访问本地文件及浏览网页,独立完成多步骤任务(IT之家注:该功能目前面向美国地区的英语用户逐步开放)。 根据谷歌

    来源 AI 行业观察
  11. 谷歌 Gemini 上线 Mac 电脑操控:后台干活,能修图做 PPT

    AI正从“给建议”转向“帮干活”。11月20日,谷歌为macOS版Gemini应用上线“电脑操控”功能,可跨桌面应用、本地文件和网页自主执行多步骤复杂任务。该功能后台独立运行,不抢占鼠标,并支持实时预览与随时叫停,缓解用户对AI接管电脑时“抢鼠标、乱点屏幕”的担忧。

    来源 AI 产业速递
  12. 谷歌Gemini Mac版新增电脑操控:可跨应用自动做PPT、填表单

    谷歌为macOS版Gemini应用推出“电脑操控”功能,AI可直接操作用户电脑,跨本地文件、桌面应用和网页完成多步骤任务,如填写表单、制作演示文稿、商品上架等。该功能正面向美国地区英语用户逐步开放,用户可自主决定允许访问哪些应用,操作过程在实时预览窗口中展示。

    来源 凤凰科技
  13. 谷歌主页加AI搜索侧边栏:可查历史对话、连接Gemini笔记本

    谷歌正在对主页进行新一轮改版,新增可折叠AI搜索侧边栏。产品副总裁Robby Stein在X展示,点击屏幕左侧灰色条即可展开。侧边栏集中展示AI模式搜索记录,支持查看历史AI对话、继续提问、探索网络内容,并可新建对话线程、搜索历史线程及连接Gemini笔记本,方便管理AI搜索体验。

    来源 AI 产业速递
  14. 北大校友出题考AI蛋白质序列:Claude答上,GPT和Gemini落败

    11月19日晚 Anthropic 在纳斯达克敲钟,代码 ANT,发行价 83 美元。上周它刚发了 Claude Fable 5.2,这几天不管打开哪个群,聊的都是它写代码又强了多少,这个模型的定价贵不贵。 APPSO 是昨天在 Hacker News 首页刷到这篇博客的。它不聊代码,也不聊股价,标题就一句话,「Cla

    来源 AI 行业观察
  15. 谷歌Gemini 4逆袭!国产AI没有上榜

    最新的 Agent Arena 榜单中,被大家戏称北美 “豆包” 的 Gemini 算是翻身了,直接跑赢了 GPT!两个模型Gemini 4 neo 和 Gemini 4 carbon都压着GPT打,算是出了口恶气。不少朋友可能不清楚这个榜单到底测什么,它不比AI聊天问答好不好玩,而是比AI 智能体的实战干活能力:比如

    来源 腾讯网
  16. Gemini 4 Neon 上线,NVIDIA 并行生成打破逐字解码

    Google 推出 Gemini 4 Neon,主打推理与任务执行,已接入 App 和 Tasks。NVIDIA 发布 Nemotron-Sigma,尝试并行块生成以加速代码和数学解题。Hugging Face 分享了 27B 模型后训练效率优化及微调耗时超预期的技术原因。LMArena 数据显示 GPT-6.2 As

    来源 AI 应用前沿
  17. Gemini 4 Neon很聪明,Daroio的梗只有它懂

    谷歌今天发布的Gemini 4 Neon很聪明。 “Dario Amodei的曾用名是Daroio Amodei,你懂这个梗吗?“ 拿这个问题问了目前最顶级的一些AI,只有Gemini 4 Neon和GPT-6.2 Astra秒懂。GPT-6.2 Astra似乎只是字面上懂了,而Gemini 4 Neon直接把Dari

    来源 腾讯网
向下滚动自动加载更多