外观
新闻The Decoder12 天前
DeepMind发布Gemini 4 Argon，Spot真机任务成功率升至75%
Google DeepMind推出Gemini 4 Argon全栈机器人模型，集成控制、仿真与评估。Boston Dynamics Spot经MuJoCo训练后投掷任务成功率从56%升至75%，单张照片生成超4500条仿真片段，ERQA物理推理基准得分87%领先业界。
Boston Dynamics Spot本文由 AI 根据公开内容整理，可能有误，请以原文为准：AI News（RSS）（via AIHOT）：Google wants Gemini 4 Argon to be the only AI model robots need（The Decoder）
核心内容
Google DeepMind正式发布Gemini 4 Argon，旨在打造覆盖机器人全栈流程的通用模型。在Boston Dynamics Spot实测中，该模型先在MuJoCo中生成虚拟场景供机器人练习三足平衡与踏板操作，再部署至真机并辅以双AI代理校验位姿，最终将投掷易拉罐任务成功率从56%提升至75%，执行耗时由35秒缩短至24秒。
Argon具备多模态仿真生成能力，单张桌面照片即可重建含软体材质的3D场景并自动衍生77项任务与超4500条训练片段；还能将遥操作记录或人类视频映射为带力反馈的仿真数据。模型通过指令驱动Gemini Omni视频世界模型进行动作规划，并在ERQA具身推理基准中以87%得分超越Claude Opus 5.5，目前已复现68篇论文实验为浏览器端交互式沙盒。
关键看点
- Sim-to-Real增效：Spot经MuJoCo预训练与双Agent校验，真机投掷任务成功率由56%升至75%，单次执行耗时减少31%至24秒
- 数据合成效率：单张照片自动生成77项任务及4500+仿真片段，支持将手绘草图转化为具身动力学仿真环境
- 多源仿真生成：支持照片、遥操数据、人类第一视角视频转为带物理属性的3D交互环境，辅助控制策略快速迭代
- 具身推理领先：ERQA基准得分87%，超Claude Opus 5.5约5个百分点，验证了模型在空间理解与物理推理上的优势
工程与产业观察
Gemini 4 Argon验证了单模型贯通仿真-控制-评估链路的工程可行性。单图生成数千条带物理属性仿真数据的机制，为解决长尾场景样本稀缺提供新范式；ERQA高分表明大模型正从语义理解迈向可靠物理推理，这对降低高质量具身数据采集门槛、加速Sim-to-Real迁移具有直接参考价值。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。