Google DeepMind 发布 Gemini 4 Argon，可从视频教会 Apollo 人形机器人新技能
Google DeepMind uses Gemini 4 Argon to teach Apptronik’s Apollo humanoid new skills from video
Google DeepMind 发布 Gemini 4 Argon，并演示该模型通过观看视频学习物理任务，再迁移到 Apptronik 的 Apollo 人形机器人。在内部测试中，Argon 观看投掷沙包视频后分析环境、映射空间坐标并计算全身关节动作，自主生成仿真代码，Apollo 在真实试验中连续命中七次。Google DeepMind 称这套 Video-to-Sim-to-Real 流程可把原本需要数周的仿真建模压缩到数小时，Argon 在具身推理基准 ERQA 上得分 87%，模型已通过 Google 的 AI 产品和 Gemini API 开放。
推荐理由
精选AI 评分 82
演示展示了从原始视频到仿真代码再到真机执行的完整链路，可据此判断通用模型在机器人训练中的介入程度。
主题
正文 · AI 翻译
Google DeepMind 展示了一种新的机器人训练技术，其 Gemini 4 Argon AI 模型通过观看视频学习一项物理任务，然后将由此产生的行为迁移到 Apptronik 的 Apollo 人形机器人上。
该演示是 Gemini 4 Argon 发布活动的一部分，这是 Google 最新的前沿 AI 模型，该公司称其融合了视觉语义推理、物理理解和面向机器人应用的自主代码生成能力。
在一项内部测试中，Argon 观看了一段一个人玩投掷沙包游戏的原始视频。该模型分析了环境，映射了其空间坐标，并计算了执行该任务所需的全身关节动作。
随后，Argon 自主生成了仿真代码，之后将学到的行为迁移到 Apptronik 的 Apollo 人形机器人上。
据 Google DeepMind 称，Apollo 随后在真实世界试验中连续七次命中。
该公司将这一方法称为“Video-to-Sim-to-Real”流程，并表示它可以将通常需要数周人工工作的机器人仿真过程缩短至数小时。
Google DeepMind 表示：“这一‘Video-to-Sim-to-Real’流程将数周的人工仿真建模压缩至数小时，把普通视频转化为可扩展、无限的机器人训练场。”
该演示旨在展示通用 AI 模型如何减少教机器人学习新物理技能所需的人工工程工作量。
Google DeepMind 还在其具身推理基准 ERQA 上测试了 Argon，该基准衡量模型在 3D 环境中对物理和空间问题进行推理的能力。该公司称 Argon 取得了 87% 的得分。
Gemini 4 Argon 正被更广泛地定位用于复杂工程、科学、编程和商业任务。Google 表示，该模型已被用于从优化大型软件代码库到量子计算、核聚变和生命科学研究等各种项目。
该模型现已通过 Google 的 AI 产品和 Gemini API 开放使用，Google 将这项机器人工作展示为将先进 AI 推理应用于物理系统的更广泛努力的一部分。