Google представила Gemini 4 Argon как ИИ-модель для управления роботами без предварительного обучения

Google заявила, что её флагманская модель искусственного интеллекта Gemini 4 Argon, представленная в сентябре, предназначена не только для работы с текстом и изображениями, но и для управления роботами. По словам компании, модель способна ускорить развитие физического искусственного интеллекта — систем, которые могут думать, учиться и адаптироваться к новым задачам без долгого предварительного обучения.

Свои заявления Google подкрепила результатами теста Embodied Reasoning (ERQA), который оценивает способность ИИ-модели понимать и решать физические и пространственные задачи в трёхмерных средах. В этом тесте Gemini 4 Argon набрала 87%, опередив другие современные модели.

Компания привела несколько примеров практического применения Argon в робототехнике. В одном из них модель управляла роботом-собакой Spot от Boston Dynamics в симуляторе MuJoCo, обучая его новому навыку: нажимать лапой на педаль мусорного ведра, чтобы выбросить туда поднятую банку. Для этого ИИ сначала создал цифровую модель ведра с педалью, отработал движение в симуляции и только потом позволил роботу повторить действия в реальности, параллельно помогая ему удерживать равновесие на трёх опорах.

В другом эксперименте Argon управляла роботизированной рукой, которая без предварительного обучения поставила вертикально опрокинутую кружку и положила в неё смятую салфетку. Система определяла пространственные координаты объектов и после каждого шага заново анализировала изображение, корректируя дальнейшие действия.

Ещё одна возможность модели — технология Real2Sim, превращающая видеозаписи реальных сцен в физические симуляции. Argon анализирует видео, восстанавливает геометрию предметов и рассчитывает их физические свойства — массу, трение, поведение при столкновениях. Затем виртуальная сцена сверяется с реальными кадрами. По похожему принципу система способна превратить простой рисунок от руки — например, сцену, где робот сбивает мячом пирамиду из кубиков, — в трёхмерную анимацию с реалистичной физикой.

Google подчеркнула, что пока не связывает Gemini 4 Argon напрямую с отдельными ИИ-платформами для роботов — Gemini Robotics 1.5 и Gemini Robotics-ER 1.5, которые компания развивает параллельно. Эти модели реализуют принцип, при котором робот сначала «обдумывает» задачу, а затем выполняет действие. Argon, по словам разработчиков, действует похожим образом, но является более универсальной моделью, объединяющей понимание физических процессов, генерацию кода и визуально-семантические рассуждения.

Почему это важно

Если ИИ-модель способна управлять роботом без предварительного обучения конкретному навыку, это может заметно упростить и удешевить разработку робототехнических систем — не потребуется долгая настройка под каждую новую задачу. Технологии вроде Real2Sim также позволяют быстрее создавать точные цифровые симуляции реальных объектов и сцен, что полезно как для обучения роботов, так и для других направлений, связанных с 3D-моделированием.

По заявлению Google, Gemini 4 Argon — шаг к созданию общего искусственного интеллекта, способного действовать в физическом мире, объединяя программирование, визуальное восприятие, моделирование физики и управление реальными роботами. Если такие разработки будут развиваться, это может приблизить появление робототехнических решений, работающих совместно с людьми над сложными задачами.