Google 推出 Gemini 4 Argon 強化機器人物理推理能力

Google 發布 Gemini 4 Argon 機器人應用模型

Google 於 2026 年 10 月 13 日正式推出 Gemini 4 Argon，這是一款可應用於整個機器人生命週期的通用物理推理模型。該模型要提升物理理解、程式碼生成和視覺語義推理的能力，被視為邁向實體人工智慧（Physical AGI）的重要里程碑。在 Embodied Reasoning (ERQA) 基準測試中，Argon 純靠推理能力在 3D 環境中解決物理與空間問題，得分高達 87%，超越所有其他前沿模型。

開發者可以透過 Google AI Studio、Gemini API 和 Google Antigravity 等平台開始建構。

強化機器人控制與 Real2Sim 轉換

Argon 支援多種機器人控制場景。在 Spot 移動操作範例中，模型控制 Boston Dynamics Spot® 四足機器人（具備 12-DoF 腿部與 6-DoF 手臂），學習用腳踏板垃圾桶丟棄可口可樂罐。Argon 會先建立腳踏板垃圾桶的 MuJoCo 數位分身進行練習，確認三腳架平衡後，再透過前鏡頭驗證腳部目標是否對齊，並利用雙代理驗證蜂群確認手部在桶內的 3D 對齊，最後才放開物品。

此外，Argon 支援零樣本控制，能透過視覺座標系統與動作原語，把倒下的馬克杯扶正，再將皺摺的餐巾放進杯中。在 Omni 控制方面，模型能透過閉環視覺反饋，指揮 Gemini Omni 世界模型重新排列 Scrabble 字母，拼出 "ARGON"，並透過時間戳記動作提示反覆優化。

在 Real2Sim（真實到模擬）領域，Argon 能從機器人鏡頭、第一人稱人類影片或手繪草圖，重建經過物理校準的模擬環境。例如，從機器人操作影片重建 MuJoCo 場景，確保視覺渲染與接觸力矩符合真實數據，且禁止在模擬中作弊。從手繪草圖轉換時，Argon 能自動建構 GPU 加速的 mujoco_warp 場景，合成 76-DoF 全身投擲軌跡，並驗證目標倒塌情況。

深化物理理解與研究自我改進

Argon 具備精確的物理理解能力，可用於多模態後設標籤。在 ALOHA 2 機器人摺紙範例中，模型能識別操作中的停頓或不穩定抓取，並產生四層級的時間對齊註解，包括任務目標、語義子任務、原子原語及品質控制重權重，用來優化行為克隆訓練。

在「找出異類球」任務中，Argon 建立雙臂 Franka FR3 機器人環境，利用立體 RGB 相機視覺讀取羅伯瓦爾天平的傾斜，僅在三次稱重內找出較重或較輕的球。同時，作為通用價值函數，Argon 能分析 UMI 數據集中的雙臂環分類影片，生成密集價值函數預測，將軌跡分解為具有正、中、負斜率的 28 個段落。

在研究與自我改進方面，Argon 能從單一 RGB 照片自動建構 MuJoCo 模擬分身，定義 77 項任務並合成 4,500 多個域隨機化片段。這讓真實世界物理機器人的成功率從 56% 提升至 75%，完成時間從 35 秒縮短至 24 秒。對於簡單的 6-DoF 手臂，Argon 能透過試錯與自我反思，在三次迭代中將取放任務速度從 58.9 秒優化至 17.4 秒。

瀏覽器內復現與開發資源

Argon 還能透過單一提示復現機器人控制論文。它能將 DeepLoco 或 HUSKY 等論文中的物理模型與閉環控制器移植到 MuJoCo WebAssembly 瀏覽器實驗室，並在無頭 Chromium 中驗證。

開發者可透過 Google AI Studio（供 Google AI Ultra 訂閱者使用）、Gemini API（使用 gemini-4-argon 模型）和 Google Antigravity 開始建構。Google 表示，Argon 透過原生推理多視角影片、3D 幾何與接觸力學，理解物體如何與代理互動，目標是讓機器人能與人類協作解決複雜挑戰。