Google DeepMind 发布 Gemini 4 Argon：面向机器人的物理推理模型，ERQA 得分 87%
来源Google DeepMind查看原文
速览
- Gemini 4 Argon 定位为机器人通用物理推理模型，ERQA 得分 87%
- 覆盖机器人控制、Real2Sim、物理理解、研究与自我改进四大方向
- Spot 在 MuJoCo 练习踩脚踏垃圾桶丢罐，含 2-agent 验证群
- 合成 4,500+ 仿真回合，真机成功率 56%→75%，耗时 35s→24s
- SO-101 自主迭代三轮，抓放耗时 58.9s→22.9s→17.4s
- ALOHA 2 折纸 136 秒视频被切成 4 级标注、17 个原子原语
- 双 Franka FR3 仅靠立体相机，3 次称重找出 12 球中的异球
- 手绘草图可转成 mujoco_warp 场景，闭环验证 6/6 击倒
- 已上线 AI Studio、Gemini API 付费层与 Google Antigravity
Google DeepMind 发布 Gemini 4 Argon，将其定位为面向机器人全生命周期的通用物理推理模型。DeepMind 称，在测试模型理解和解决 3D 环境中物理、空间问题能力的 Embodied Reasoning（ERQA）基准上，Argon 以纯推理取得 87%，超过其他所有前沿模型。
博客用四类代表性提示展示能力。机器人控制方面：Argon 控制 Boston Dynamics Spot（12-DoF 腿 + 6-DoF 臂）在 MuJoCo 中练习一项新技能——踩下脚踏式垃圾桶的踏板并把易拉罐丢进去，过程中用 foot-verifier 和 hand-verifier 组成 2-agent 验证群确认踏板踩点与手部入桶对齐；零样本控制中，Argon 借助带 2 cm 世界坐标网格和闭合刻线的视觉坐标 harness，用多轮 curl 指令让机械臂把倒下的杯子立正并塞入纸团；此外 Argon 还能在 Gemini Omni 世界模型里做闭环视觉引导，用带时间戳的动作提示迭代推进 33 步视频 rollout，把散落的 G、R、A、N、O 五个字母牌排成 A-R-G-O-N。
Real2Sim 方面，Argon 可从真实机器人遥操作录像重建物理校准的 MuJoCo 数字孪生（要求视觉匹配加指尖接触力矩匹配，且禁止在 t=0 之后改动 MjModel 参数、施加外力、焊死约束等「仿真作弊」）；可把第一视角人类视频中的手部轨迹重定向到 76-DoF 双臂人形、22-DoF 五指手上，以 500 Hz（dt=0.002s）在 MuJoCo 中步进；还能把一张手绘草图转成 GPU 加速的 mujoco_warp 场景，为 76-DoF 人形合成 50 Hz、140 步、2.80 秒的投掷轨迹，闭环验证 6/6 击倒桌上的 3-2-1 六箱金字塔，并导出 Blender 4.5 Cycles 渲染。
物理理解方面：对 ALOHA 2 折叠折纸狐狸的 136 秒俯拍视频，Argon 生成 4 级事后标注（1 个 episode 目标、6 个连续语义子任务、17 个接触级原子原语，以及对滑落重试段做 0.15x–0.25x 降权的质量控制）；在 12 球天平谜题中，它搭建双 Franka FR3 + Roberval 双盘天平的 MuJoCo 环境（11 个 150 g 标准球加 1 个 270 g 或 30 g 的异球），写出只用立体 RGB 和本体感知的闭环求解器，在 3 次称重内把异球归入 Heavy/Light 托盘；对 60 秒 UMI 双机械臂分环任务，输出稠密价值函数与 28 个进度分段。
研究与自我改进方面：Argon 从一张真实桌面照片出发自动建仿真孪生、定义 77 项任务课程、合成 4,500+ 域随机化回合，把真机物理成功率从 56% 提到 75%、完成时间从 35s 降到 24s；在 6-DoF SO-101 机械臂上通过试错和自我反思迭代三轮，抓放耗时从 58.9s 降到 22.9s、再到 17.4s；每篇论文一个提示，把 DeepLoco、HUSKY、Whole-Body MPC 等 5 篇足式与人形机器人论文复现为自包含的 MuJoCo WebAssembly 浏览器实验，并用 headless Chromium 验证。
发布渠道上，Gemini 4 Argon 已在 Google AI Studio 面向 Google AI Ultra 订阅者开放，在 Gemini API 付费层可用（gemini-4-argon，Interactions API 首日支持 google-genai 系列 SDK），同时上线 Google Antigravity，供 AI Ultra 订阅者用于复杂规划、/goal 运行和多智能体编排。
关键事实
- Gemini 4 Argon 在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，DeepMind 称其超过所有其他前沿模型
- 发布日期为 2026 年 10 月 13 日，作者为 DeepMind 首席软件工程师 Kanishka Rao
- 演示中 Argon 控制 Boston Dynamics Spot（12-DoF 腿 + 6-DoF 臂）在 MuJoCo 练习踩脚踏垃圾桶踏板并投掷易拉罐，使用 foot-verifier 与 hand-verifier 组成的 2-agent 验证群
- Argon 在 Gemini Omni 世界模型中通过闭环视觉反馈迭代提示，完成 33 步视频 rollout，把 G、R、A、N、O 字母牌排成 A-R-G-O-N
- 从单张真实桌面照片出发，Argon 生成 4,500+ 域随机化仿真回合，把真机成功率从 56% 提升到 75%，完成时间从 35s 降至 24s
- 6-DoF SO-101 机械臂的视觉引导抓放经三轮自我改进，耗时分别为 58.9s、22.9s（蹭到盒沿）、17.4s（正中落位）
本站视角
这件事最直接的冲击对象是**国内做具身智能和 VLA（视觉-语言-动作）模型的团队**。Argon 把过去需要一支工程队伍分头搭建的环节——真机录像重建仿真孪生、人类视频重定向到手部、视频自动打多粒度标签、仿真里批量生成训练数据再回灌真机——压缩成几个提示词。原文明说，从一张桌面照片出发合成 4,500+ 域随机回合，把真机成功率从 56% 抬到 75%、耗时从 35s 压到 24s。如果这个提升是可复现的，那么靠「数据标注 + 仿真搭建」人力堆规模的中小团队，其护城河会被明显削薄；反过来，算法和场景理解能力强的团队会获得不对称放大。**做机器人数据标注与仿真外包的公司**也需要重新评估定价，因为内容里 4 级标注、价值函数、质量降权这些都是可以自动生成的。 本站的判断是：这属于**实质性的一步，但被发布方的叙事包装放大了**。值得肯定的地方在于评测口径具体——ERQA 考的是 3D 物理空间推理，87% 是纯推理得分，而难度更高的部分（比如 Real2Sim 的「不许在 t=0 后改物理参数、不许施加外力、不许焊死约束、不许直接抄真机触觉读数」）其实是 DeepMind 自己给自己立的规则，用来自证仿真重建不是作弊，这种自律在同类演示里不常见，说明他们把「可信」当作卖点。但同样要指出，**所有数字和演示都来自 DeepMind 自家的博客与自选提示词**，没有任何第三方复现，ERQA 这一基准由谁维护、样本量和评测协议是否公开，原文没有交代；README 式的漂亮 demo 与在真实、杂乱、长尾环境中的稳定表现之间，通常隔着很远的距离。 还需要观察三点。一是**它与既有机器人栈的兼容性**：Argon 输出 MuJoCo、mujoco_warp、Blender 资产，这套工具链在学术和部分工业团队里通用，但对使用 Isaac 系或其他自研引擎的团队，迁移成本未被提及。二是**成本与可及性**：模型只在 Google AI Ultra 订阅和 Gemini API 付费层开放，国内团队能否稳定调用、时延和价格是否支撑动辄数千回合的批量仿真任务，是决定它能否进入生产流程的关键，这一层原文完全没有信息。三是**「physical AGI」这类措辞应视为宣传而非结论**——把物理推理分数、仿真搭建能力和通用机器人智能画等号，目前缺少证据支撑。务实的态度是：把 Argon 当作一个高上限的机器人工作流助手去试用，重点验证它在自家硬件和自家杂乱场景上的失败率，而不是拿它的基准分数当作采购依据。
背景与影响
Google DeepMind 近年来一直在把通用 Gemini 模型往「具身智能」方向推，Argon 是这一路线上的新节点：它不再只是给机器人写代码或做视觉问答，而是被包装成能同时处理多视角视频、3D 几何、接触力学和本体遥测的物理推理层，覆盖从真机数据采集、仿真重建、数据标注到策略改进的整条机器人流水线。博客里反复出现的 Real2Sim、sim-to-real、VLA 微调、数据质量标注，正是当前机器人学习最耗人力也最缺标准化的几个环节——DeepMind 显然是想用一个大模型把这些环节一次性接管。 值得注意的是，这套能力的落点是「工作流」而非单一产品：Argon 输出的是 MuJoCo 场景、标注 JSON、价值函数曲线、轨迹计划和浏览器实验，最终仍需接入开发者自己的硬件与训练管线。这意味着它更像基础设施型工具，对已有仿真栈和数据管线的团队最有价值；对没有硬件和数据积累的团队，能力上限还是由自家机器人决定。发布渠道被限制在 Google AI Ultra 订阅和 Gemini API 付费层，早期使用者大概率是预算充足的实验室和公司团队。DeepMind 在文末把 Argon 描述为「通往 physical AGI 的重要里程碑」，这是其自身叙事，目前没有第三方证据可以验证这一说法。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。