外观
新闻Robotics & Automation News5 天前
DeepMind Gemini 4 Argon实现视频到真机迁移，Apollo机器人投掷七连中
Google DeepMind发布Gemini 4 Argon模型，通过Video-to-Sim-to-Real管线将人类投掷视频转化为Apptronik Apollo人形机器人技能。实测实现七连投掷命中，仿真建模耗时从数周缩至数小时，ERQA基准得分达87%。
Apptronik Apollo本文由 AI 根据公开内容整理，可能有误，请以原文为准：Google DeepMind uses Gemini 4 Argon to teach Apptronik’s Apollo humanoid new skills from video（Robotics & Automation News）
核心内容
Google DeepMind在Gemini 4 Argon发布中展示了面向具身智能的视频学习技术，成功将人类玩玉米袋游戏（cornhole）的视频技能迁移至Apptronik Apollo人形机器人。该模型具备视觉语义推理、物理理解及自主代码生成能力，在真实世界测试中驱动Apollo连续七次精准投掷命中目标，验证了通用AI模型在减少机器人手工工程方面的潜力。
该技术采用Video-to-Sim-to-Real管线：Argon分析原始视频并映射空间坐标，计算全身关节运动后自主生成仿真代码，再将策略部署至真机。此流程将传统需数周的手工仿真建模压缩至数小时，使普通视频成为可扩展训练源。此外，Argon在衡量3D物理空间推理能力的ERQA基准测试中取得87%得分，并通过Gemini API开放调用。
关键看点
- Video-to-Sim-to-Real管线：解析视频生成仿真代码并迁移真机，将数周手工建模压缩至数小时
- 真机验证指标：Apptronik Apollo在现实环境测试中完成投掷任务七连中，验证策略泛化性
- ERQA基准性能：Gemini 4 Argon在具身推理基准测试中获87%分数，量化3D物理理解能力
- 多模态核心能力：集成视觉语义推理与自主代码生成，支持从非结构化视频提取全身关节控制策略
工程与产业观察
Video-to-Sim-to-Real范式显著降低具身技能获取门槛，将互联网海量视频转化为低成本仿真训练资产。对于算法工程师而言，这意味着可绕过繁琐的手工域随机化与示教采集；对产业侧则预示人形机器人技能迭代周期有望从月级缩短至小时级，加速通用操作能力的规模化验证与落地。
来源
本页事实对应的公开页面，以原文为准。