Google lanza Gemini 4 Argon con demostraciones de entrenamiento robótico

Google ha abierto el acceso a Gemini 4 Argon, su modelo de IA de frontera más reciente. En demostraciones de robótica, el modelo observó videos humanos ordinarios, construyó simulaciones físicas a partir de ellos y luego los utilizó para controlar robots reales. Google DeepMind describe a Argon como un "modelo de razonamiento físico de propósito general" que puede utilizarse en "todo el ciclo de vida de la robótica". El 13 de octubre, la compañía lo puso a disposición mundial a través de la API de pago de Gemini y para los suscriptores de Google AI.developers.googleblog+2

La exhibición de robótica es parte de un lanzamiento más amplio de ↗ 0.37% Google, de Alphabet. La compañía promociona a Argon principalmente para programación, trabajo de conocimiento empresarial y ciberseguridad, pero también está posicionando el modelo como una forma de acelerar el lento trabajo de construir entornos de entrenamiento para robots.blog+1

Del video a la simulación y al hardware

En una prueba interna, Argon observó un video sin editar de una persona jugando al cornhole, mapeó el espacio y calculó los movimientos articulares de cuerpo completo necesarios para copiar el lanzamiento. Luego escribió el código de simulación por su cuenta. Después de que la habilidad se transfiriera al humanoide Apollo de Apptronik, el robot "encestó rápidamente siete tiros consecutivos en una prueba del mundo real", dijo Google. La compañía llama a este enfoque "Video-to-Sim-to-Real". Afirma que el proceso "comprime semanas de modelado de simulación manual en unas pocas horas", convirtiendo el video ordinario en "un campo de entrenamiento infinito y escalable para la robótica".blog

En otra demostración, Argon controló un cuadrúpedo Spot de Boston Dynamics con un brazo de seis grados de libertad. Construyó un gemelo digital en MuJoCo de un contenedor de basura con pedal y ensayó el equilibrio sobre tres patas en el simulador. Solo entonces el robot real pisó el pedal, verificó con su cámara de muñeca que la lata estuviera centrada sobre el contenedor y dejó caer la lata de refresco dentro. Kanishka Rao, ingeniero de software principal en Google, describió este y otros ejemplos en una publicación de blog para desarrolladores.developers.googleblog

Partiendo de una sola foto de una mesa, Argon también construyó una simulación, definió nuevas tareas y generó más de 4,500 episodios de entrenamiento aleatorios. El uso de esos datos aumentó la tasa de éxito en el mundo real de un modelo de visión-lenguaje-acción del 56% al 75% y redujo el tiempo de finalización de tareas de 35 a 24 segundos, según Google.developers.googleblog

Benchmarks y acceso

Google dice que Argon obtuvo un 87% en el benchmark de Razonamiento Encarnado (ERQA), que evalúa la resolución de problemas espaciales y físicos en entornos 3D. La compañía afirma que esa puntuación supera a cualquier otro modelo de frontera que haya probado, y que Argon la alcanzó "usando razonamiento puro" sin ajustes específicos para robots. The Times of India señaló que los ejemplos de robótica de Google van desde la manipulación con Spot hasta tareas de lanzamiento en humanoides Apollo.timesofindia.indiatimes+2

Google anunció a Argon por primera vez el 30 de septiembre. En esa etapa, estaba limitado a ciberdefensores examinados a través del Programa Fairwind de la compañía, mientras Google participaba en el proceso voluntario del gobierno de EE. UU. para el acceso a modelos antes de su lanzamiento. El precio introductorio de la API es de $2 por millón de tokens de entrada y $10 por millón de tokens de salida hasta el 30 de noviembre de 2026. Después de esa fecha, el precio sube a $4 y $20.blog+1

Advertencias

La tarjeta del modelo de Google dice que Argon aún puede alucinar, como otros modelos base. Todos los resultados de robótica hasta ahora provienen de las propias demostraciones de Google en lugar de pruebas independientes. Google enmarca el trabajo como un paso hacia lo que llama "AGI física", diciendo que su objetivo es "permitir una robótica que pueda trabajar junto a los humanos para resolver desafíos complejos".deepmind+1