Gemini 4 Argon 在物理理解、代码生成和视觉语义推理方面实现质的飞跃，为机器人技术栈解锁全新工作流程，加速迈向具身通用人工智能（Physical AGI）。在评估三维环境物理及空间问题解决能力的具身推理（ERQA）基准测试中，Argon 仅凭纯推理即取得 87% 的高分，超越所有其他前沿模型。

作为通用物理推理模型，Argon 覆盖机器人全生命周期，主要应用于以下四个关键领域：

机器人控制：从移动操作到全能引导

Spot 移动操作：Argon 控制 Boston Dynamics Spot 四足机器人（12 自由度腿部 +6 自由度机械臂），通过 MuJoCo 数字孪生体进行仿真练习，成功完成踩下脚踏垃圾桶并投入苏打罐的复杂任务。系统在实际行动前，先在仿真中验证脚步平衡与手部对齐。

零样本控制：面对扶正倒杯并放入餐巾纸的任务，Argon 结合视觉坐标系统与动作基元，通过多回合推理闭环控制简单机械臂，无需预先训练即可执行。

全能控制（Omni Control）：在 Gemini Omni 世界模型中，Argon 通过视觉闭环引导机器人将散落的 Scrabble 字母牌重排为 "ARGON"。它并非依赖静态提示词，而是编写带时间戳的动作指令，检查中间关键帧并动态优化提示词，实现 33 步精准引导。

Real2Sim：高保真数字孪生重建

机器人视角转仿真：Argon 观察真实机器人遥操作片段，构建外观与物理行为一致的 MuJoCo 数字孪生体。通过迭代视觉推理，确保仿真中的视觉效果及指尖接触力与时序、量级、方向均与真实传感器数据匹配。

人类视角转仿真：基于第一人称人类视频，Argon 识别任务相关物体，用复合凸分解网格替代粗糙边界框以支持凹形容器物理模拟，并将人类手部轨迹重定向至 76 自由度双臂人形机器人的 MuJoCo 环境中，实现 500Hz 高频物理求解。

草图转仿真：开发人员仅需上传手绘草图，Argon 即可自动构建 GPU 加速的 mujoco_warp 场景，合成 76 自由度全身及五指投掷轨迹，并在闭环物理中验证推倒效果，最终导出 Blender 渲染视频。

物理理解：深度标注与逻辑推理

事后标注与质量控制：针对双臂 ALOHA 2 机器人折纸任务，Argon 生成时间对齐的四级标注层次结构：剧集目标、语义子任务、接触级原子基元及自动化质量控制。它能识别停顿、抓取失误等不良片段，并在重试期间保持任务进度评估的平稳。

逻辑谜题求解：为重现 "12 球天平谜题 "，Argon 构建包含 12 个视觉相同台球及铰接式 Roberval 天平的 MuJoCo 环境。它编写仅依赖视觉的闭环求解器，通过立体相机三角定位及读取天平倾斜度，在 3 次称重内准确隔离出异常球。

通用价值函数：在人类 UMI 数据集评估中，Argon 作为通用价值函数，通过分析多视角视频生成密集的任务进度预测，将轨迹分解为具有正向、中性及负向进度斜率的片段，辅助策略学习。

研究与自我改进：仿真驱动性能跃升

仿真数据增强：从单张 RGB 照片出发，Argon 自主构建校准后的 MuJoCo 仿真孪生体，合成 4,500 多个域随机化剧集。此举将真实世界物理机器人的任务成功率从 56% 提升至 75%，完成时间从 35 秒缩短至 24 秒。

硬件自我改进：在 6 自由度机械臂的抓取放置任务中，Argon 通过试错与自我反思迭代优化。从首次尝试的 58.9 秒，到诊断失败原因、调整策略，最终在第 3 次迭代中将时间压缩至 17.4 秒并实现精准放置。

复现机器人论文：凭借单次提示词，Argon 能阅读机器人控制手稿，将物理模型和闭环控制器（如 DeepLoco、HUSKY 等）移植到 MuJoCo WebAssembly 浏览器实验室中，并在无头 Chromium 环境中完成验证，实现标志性论文的实时复现。

Gemini 4 Argon 通过原生推理多视图视频、3D 几何、接触力学和本体感觉遥测，不仅理解场景物体，更掌握其与智能体的物理交互机制。目前，开发者可通过以下平台使用 Gemini 4 Argon：

Google AI Studio：面向 Google AI Ultra 订阅用户开放。

Gemini API：在付费版 Gemini API 中可用，支持 Interactions API 调用 gemini-4-argon，并提供 google-genai SDK 首日支持。

Google Antigravity：面向 Google AI Ultra 订阅用户开放，可选择 gemini-4-argon 模型进行复杂规划、/goal 运行和多智能体编排。

【星途科讯 图文丨周鑫雨 首发于 ZAKER 科技，转载请注明出处】