# DeepMind发布Gemini 4 Argon：ERQA基准87%并验证Spot零样本控制

> 原文链接：https://robotics.hellobike.com/news/2026-10-13-gemini-4-argon-for-robotics
> 频道：news | 更新日期：2026-10-13 | 标签：auto, rss, google-deepmind-blog
> 核心摘要：Google DeepMind推出机器人专用模型Gemini 4 Argon，在ERQA物理推理基准获87%得分。该模型支持Boston Dynamics Spot真机移动操作与机械臂零样本视觉伺服，通过MuJoCo仿真预训练及Code-as-Policies原语实现复杂任务泛化与Sim-to-Real迁移。

# DeepMind发布Gemini 4 Argon：ERQA基准87%并验证Spot零样本控制

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Gemini 4 Argon for Robotics](https://deepmind.google/blog/gemini-4-argon-for-robotics/)（Google DeepMind Blog）

## 核心内容

Google DeepMind正式发布面向机器人全生命周期的通用物理推理模型Gemini 4 Argon，旨在加速具身智能向Physical AGI演进。在评估3D环境物理空间理解能力的Embodied Reasoning (ERQA)基准测试中，Argon凭借纯推理能力取得87%的成绩，超越现有前沿模型。该模型覆盖机器人控制、Real2Sim重建、物理理解及研究自改进四大核心领域，并已在Boston Dynamics Spot四足机器人及通用机械臂上完成实机验证，打通了从仿真策略到真机执行的关键链路。

技术落地层面，Argon在Spot移动操作中构建脚踏式垃圾桶的MuJoCo数字孪生进行预训练，结合双智能体验证群确保三脚架平衡与手部对齐；在机械臂零样本控制场景，利用腕部相机2cm网格坐标系与`curl`指令流，通过`look_at`、`grasp`等Code-as-Policies原语执行闭环视觉伺服。此外，模型还能在Gemini Omni World Model中动态引导视频生成，实现Scrabble字母重排等任务的语义级操控，证明了结构化提示工程在零样本机器人控制中的有效性。

## 关键看点

- **ERQA基准性能**：在3D物理空间推理测试中得分87%，超越所有前沿模型，验证了其在具身场景下的纯逻辑推演与物理理解能力
- **Spot移动操作**：基于MuJoCo数字孪生预训练，采用双Agent验证群确认脚踏与投掷动作，成功实现Real-to-Sim-to-Real技能迁移
- **零样本视觉伺服**：利用腕部相机2cm网格与Code-as-Policies原语，通过HTTP接口输出观测与动作指令，完成机械臂精细操作
- **世界模型引导**：在Gemini Omni World Model中实现动态闭环转向，支持基于语义目标的视频生成与任务规划，辅助策略验证

## 工程与产业观察

Argon展示了VLA模型从感知描述向物理执行跨越的工程范式。其将MuJoCo仿真作为推理链一环，并用标准化API替代端到端黑盒输出，为具身大模型落地提供了可复现的中间件思路。特别是Code-as-Policies与视觉坐标系的结合，证明了结构化提示工程在零样本控制中的有效性，对降低真机部署门槛具有直接参考价值。
:::

## 原始参考来源 (Sources)

- [Google DeepMind Blog：Gemini 4 Argon for Robotics](https://deepmind.google/blog/gemini-4-argon-for-robotics/)