具身开发者社区

外观

新闻Google DeepMind Blog15 天前

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

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。

AI 整理
  • 仿真与训练
  • 具身模型
  • 评测与安全

Boston DynamicsBoston Dynamics Spot

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（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。

来源

本页事实对应的公开页面，以原文为准。

  1. Google DeepMind Blog：Gemini 4 Argon for Robotics访问 2026-10-14