谷歌发布Gemini 4 Argon机器人推理模型

谷歌于当地时间10月13日发布面向机器人领域的模型Gemini 4 Argon for Robotics。据aitimes.com报道，该模型用于理解并控制机器人的物理环境、构建仿真以及改进动作。

谷歌表示，Argon能够同时针对视频、三维空间和物理规律进行推理，帮助机器人完成复杂任务，并在仿真中练习动作。与Google DeepMind此前的RT系列（RT-1、RT-2）VLA模型不同，Argon并非直接控制机器人的终端模型，而是被描述为更高层的推理与仿真的设计引擎。

该模型可自动构建MuJoCo等物理仿真环境，并生成大规模训练数据，以提升通用VLA模型的任务成功率。在仅依靠推理、不使用单独工具的情况下，它在具身推理问答基准（ERQA）上取得87%的分数。

在演示中，Argon控制Boston Dynamics的四足机器人Spot踩下踏板式垃圾桶，打开桶盖并投入饮料罐。谷歌称，由该模型生成的仿真训练数据将通用VLA模型的任务成功率从56%提升至75%。

该模型面向AI Ultra订阅用户在Google AI Studio和Google Antigravity中提供，并配套面向机器人控制与仿真应用的开发者工具和SDK。

此前的RT系列

Google DeepMind此前开发的RT系列（RT-1、RT-2）是机器人控制领域的VLA（视觉-语言-动作）模型，其方式是从大规模机器人导航与操作示范数据中学习，并直接下达驱动指令。