Gemini 4 Argon учит роботов новым трюкам по одному видеоролику

Google DeepMind показала, как модель Gemini 4 Argon может обучить робота новому трюку, просто проанализировав видеозапись. В одном из экспериментов гуманоид Apptronik Apollo освоил игру в корнхол — бросание мешочков на наклонную доску с отверстием — и, по заявлению компании, выполнил семь успешных бросков подряд. Нейросеть получила видео с человеком, выполняющим броски, оценила расположение предметов и рассчитала необходимые движения.

Затем Gemini самостоятельно написала программный код для физического симулятора MuJoCo, создав виртуальную среду, в которой робот мог отрабатывать навык без риска повредить оборудование. Главное отличие подхода — автоматический переход от плоского видео к трёхмерной модели. Система оценивает расстояния, взаимодействие объектов и физические ограничения, после чего строит симуляцию, адаптированную под конструкцию конкретного робота.

Apollo не копировал движения человека механически, а подбирал их с учётом своих суставов и приводов. Во втором испытании четвероногий робот Spot от Boston Dynamics научился выбрасывать банки в мусорную корзину с ножной педалью. Gemini 4 Argon создала цифровую модель корзины и её механизма, а Spot в симуляции тренировался удерживать равновесие на трёх ногах, пока четвёртой нажимал на педаль.

После виртуальных тренировок он повторил последовательность с реальными предметами, используя манипулятор. Google провела ещё один тест, начав с одной фотографии рабочего стола. Модель построила трёхмерную симуляцию для роботизированных манипуляторов, сформировала программу из 77 задач и создала более 4500 виртуальных эпизодов обучения.

После переноса данных на реального робота доля успешных действий выросла с 56% до 75%, а среднее время выполнения задачи сократилось с 35 до 24 секунд. Разработчики также проверили способность Gemini 4 Argon рассуждать о физическом пространстве. В тесте ERQA, оценивающем понимание трёхмерных сцен и взаимодействий, модель набрала 87%, что, по утверждению Google, превосходит результаты других передовых систем.

Однако высокий балл в тесте не гарантирует столь же успешного выполнения незнакомых действий за пределами лаборатории. Обучение роботов в симуляторах практикуется давно, но новизна работы Google в автоматизации подготовки самой среды. Вместо ручного моделирования предметов и настройки физики инженеры могут поручить эту работу универсальной языковой модели.

Это потенциально сокращает время развёртывания роботов для новых задач, особенно в меняющихся условиях складов или производства. Все опубликованные результаты относятся к внутренним испытаниям, независимых подтверждений пока нет. Google не раскрыла полной статистики попыток, предшествовавших семи удачным броскам Apollo, и не показала, насколько устойчиво навыки работают при изменении условий.

Одно видео служило исходным материалом для конкретной задачи, а не заменяло предварительное обучение самой нейросети и программную инфраструктуру. Модель Gemini 4 Argon была представлена 13 октября 2026 года и ориентирована на программирование, сложные задачи и научные исследования. Эксперименты с физическими устройствами показывают, как универсальные нейросети переходят от анализа изображений к созданию виртуальных сред, где машины готовятся к действиям в реальном мире.

Пока это контролируемые демонстрации, а не самостоятельное освоение любой работы после короткого видео.