Crmgo Blog

Gemini 4 Argon: Google DeepMind otwiera fizyczną AI dla robotyki

Gemini 4 Argon: Google DeepMind otwiera fizyczną AI dla robotyki

13 października 2026 Google DeepMind przedstawił Gemini 4 Argon — model ogólnego rozumowania fizycznego dla robotów: 87% na ERQA, Video-to-Sim-to-Real i Apptronik Apollo.

Gemini 4 Argon: Google DeepMind otwiera fizyczną AI dla robotyki

13 października 2026 Google DeepMind oficjalnie zaprezentowało Gemini 4 Argon — nowy model frontier dostępny przez Gemini API (gemini-4-argon), Google AI Studio, Antigravity, a także w aplikacji Gemini oraz AI Mode dla subskrybentów. Szczególny nacisk w prezentacji położono na robotykę i „fizyczną" AI.

Według Google Argon łączy rozumowanie wizualno-semantyczne, rozumienie fizyki oraz generowanie kodu. Pozwala to stosować model na wszystkich etapach cyklu życia robota: od sterowania i Real2Sim po etykietowanie danych i samodoskonalenie na sprzęcie.

87% na Embodied Reasoning (ERQA)

W benchmarku ERQA (Embodied Reasoning), który sprawdza zdolność rozumienia zadań przestrzennych i fizycznych w środowiskach 3D, Argon osiąga 87% w trybie czystego rozumowania. Google twierdzi, że model wyprzedza inne systemy frontier w tym teście.

Video-to-Sim-to-Real: od wideo człowieka do Apollo

W wewnętrznym demo Argon obejrzał wideo człowieka grającego w cornhole, zbudował symulację i przeniósł umiejętność na humanoida Apptronik Apollo. W rzeczywistym teście robot wykonał siedem celnych rzutów z rzędu. Firma podkreśla, że pipeline skraca tygodnie ręcznego modelowania symulacji do kilku godzin.

Inne scenariusze w robotyce

Wśród wymienionych zastosowań znalazły się mobilna manipulacja Boston Dynamics Spot (wyrzucanie puszki do kosza z pedałem poprzez praktykę w MuJoCo), Real2Sim z wideo robota lub człowieka oraz ze szkiców, cyfrowe bliźniaki w MuJoCo i iteracyjne samodoskonalenie na sprzęcie. Według Google jedno zdjęcie biurka, z którego Argon zbudował symulacyjnego bliźniaka, podniosło skuteczność polityki z 56% do 75% i skróciło czas wykonania z 35 s do 24 s.

Cena wprowadzająca API (do 30 listopada 2026) — 2 USD / 10 USD za 1 mln tokenów wejściowych/wyjściowych, następnie 4 USD / 20 USD. Dla zespołów budujących fizycznych agentów kluczowa pozostaje nie cena, lecz możliwość szybkiego przekształcania wideo i scen w zweryfikowane symulacje oraz rzeczywiste sterowanie.

Źródła: Google Developers Blog (Gemini 4 Argon for Robotics) oraz oficjalny announcement Gemini 4 Argon z 13 października 2026.

Uwaga: wpis mógł powstać z pomocą AI i redakcji. Odpowiedzialny: Dmytro Lomaka, Kaltenkirchen.