Gemini 4 Argon bringt Simulation direkt in den Robotik Workflow

Google zeigt Gemini 4 Argon in der Robotik als Modell, das Szenenwahrnehmung, Steuerungscode, physikalische Simulation und die Arbeit an einer realen Maschine verbinden soll. Laut Google erreicht es im Embodied Reasoning Benchmark ERQA 87 %.

Argon verbindet Kamera, Simulation und Bewegung in einem Ablauf

Google nennt vier Einsatzfelder: Robotersteuerung, Übertragung realer Szenen in Simulationen, physikalisches Verständnis sowie Forschung mit iterativer Selbstverbesserung. In einer Demo erstellte das Modell in MuJoCo einen digitalen Zwilling eines Treteimers. Ein Spot Roboter konnte das Betätigen des Pedals dadurch üben, bevor er es an der realen Maschine versuchte. Spot verfügte über 12 Freiheitsgrade in den Beinen und weitere 6 im Arm.

Weitere Beispiele umfassen die Zero-shot Steuerung eines einfachen Arms, die Rekonstruktion von Simulationen aus Video oder Handskizzen und die Verbesserung einer Pick and Place Aufgabe anhand von Kameraaufnahmen. Für diese Aufgabe nennt Google eine Verkürzung von 58,9 Sekunden über 22,9 Sekunden auf 17,4 Sekunden in drei Iterationen.

Robotikteams erhalten eine gemeinsame Sprache für Software und Physik

Der praktische Fortschritt liegt in weniger manuellen Übersetzungen zwischen Kamerabild, Simulatormodell und den Befehlen der Steuerungsschicht. Entwickler können dem Modell Video, Geometrie oder eine wissenschaftliche Arbeit geben und daraus ein überprüfbares Experiment in MuJoCo erstellen lassen. Google zeigt außerdem 68 interaktive Reproduktionen von Robotikarbeiten im Browser.

Argon ist über die kostenpflichtige Stufe der Gemini API verfügbar. In Google AI Studio und Google Antigravity ist der Zugang Abonnenten von Google AI Ultra vorbehalten. Damit ist es ein Entwicklungswerkzeug und kein fertiges Steuerungssystem, das sich ohne weitere Arbeit an jeden Roboter anschließen lässt.

Ausgewählte Demos ersetzen noch keine Betriebsdaten

Der Beitrag zeigt beeindruckende Einzelläufe, nennt aber weder eine zusammengefasste Erfolgsquote über wiederholte Versuche noch die Latenz der Regelschleife oder die Häufigkeit menschlicher Eingriffe. Die 87 % bei ERQA messen physikalisches und räumliches Schlussfolgern in einem Benchmark. Daraus folgt noch nicht, wie zuverlässig ein Roboter mit wechselnden Umgebungen, verschlissener Hardware oder Menschen im Arbeitsbereich umgeht.

Viele Demos stützen sich außerdem auf vorbereitete action primitives, einen Simulator und konkrete Sicherheitsregeln. Das Modell kann die Ebenen verbinden. Für die Physik tragen Sensoren, Regler und Ingenieure weiterhin die Verantwortung.

Wiederholte Tests auf fremder Hardware zeigen den praktischen Wert

Entscheidend werden unabhängige Reproduktionen mit Robotern, Szenen und Sensoren sein, die Google nicht vorbereitet hat. Nützlich sind Ergebnisse mit Fehlerzahlen, Reaktionszeiten, Eingriffen des Bedieners und der Qualität des Transfers von der Simulation in die Realität.

Behält Argon dort seine Leistung, kann es den Weg von einer Idee zum physischen Experiment verkürzen. Bricht die Leistung außerhalb sorgfältig aufgebauter Demos ein, bleibt es ein leistungsfähiger Copilot für Robotiklabore und kein universelles Maschinengehirn.

Liliths Urteil

Argon will mit einem Fuß in der Simulation und mit dem anderen neben dem realen Roboter stehen. Ob diese Brücke trägt, zeigt sich erst, wenn ein unabhängiges Labor die Maschine hundertmal nach derselben Tasse greifen lässt.