En modell för hela robotkedjan
Google har publicerat vad bolaget gör med Gemini 4 Argon inom robotik, och poängen är konsolidering: en modell som styr robotar, bygger de simulerade miljöer de övar i och granskar träningsdatan de lär sig av. Inlägget, skrivet av huvudingenjören Kanishka Rao, kallar det ett steg mot fysisk AGI.
Demonstrationerna är konkreta. En fyrbent Spot från Boston Dynamics lär sig trampa på pedalen till en soptunna efter att ha övat i en digital tvilling i MuJoCo. Argon bygger simuleringstvillingar från en teleoperationsinspelning, en film ur förstapersonsperspektiv eller en handritad skiss. I en demonstration av datagenerering uppger Google att andelen lyckade försök i verkligheten steg från 56 till 75 procent och att tiden sjönk från 35 till 24 sekunder. I en demonstration av självförbättring på en plocka-och-placera-uppgift faller tiden från 58,9 till 17,4 sekunder över tre iterationer.
Den kommenterar också video på flera nivåer — Googles exempel är origamivikning — uppskattar hur långt en robot kommit i en uppgift och löser ett balansproblem med tolv kulor enbart med stereoseende. The Decoder rapporterar att Google på detta sätt har byggt om 68 publicerade robotikartiklar till interaktiva simuleringar i webbläsaren.
Två test, två svar
Googlesiffran är 87 procent på ERQA, ett test i förkroppsligat resonemang med 400 frågor som besvaras utan verktyg, vilket bolaget uppger ligger före alla andra frontlinjemodeller. The Decoder listar jämförelsegruppen: Claude Opus 5.5 på 82,3 procent, GPT-6 Astra på 81 och Claude Fable 5.1 på 74. Det är en leverantörsrapporterad siffra på ett test leverantören valt.
Dagen därpå publicerade Artificial Analysis AA-Robotics, ett index med åtta uppgifter som poängsätts upp till 100. Där fick GPT-6 Astra 69, GPT-6.1 Sol 65 och Argon 55 — tredje plats. Resultaten motsäger inte varandra, de mäter olika saker, och skillnaden påminner om varför en leverantörs eget diagram inte är ett oberoende resultat.
Vad demonstrationerna inte säger
The Decoder pekar på tre begränsningar värda att ta med. Instruktionerna i demonstrationerna innehåller detaljerad mänsklig vägledning, bland annat färdiga kommandon och listor över förbjudna handlingar. Google redovisar inga felfrekvenser för de enskilda demonstrationerna. Och siffran 75 procent säger inte hur många försök den bygger på.
Tillgänglighet
Argon finns i Google AI Studio och Antigravity för prenumeranter på Google AI Ultra, och på den betalda nivån av Gemini-API:et som gemini-4-argon i Interactions API, med stöd från dag ett i google-genai-SDK:erna. Google anger inga robotikspecifika priser utöver dessa nivåer. Det som är värt att hålla ögonen på är om ett labb utanför Google återskapar siffrorna från simulering till verklighet på hårdvara Google inte har valt.
