Google научила Gemini 4 Argon управлять роботами что умеет ИИ и почему результат 87% привлёк внимание

Google продемонстрировала новые возможности искусственного интеллекта Gemini 4 Argon в робототехнике. Модель способна анализировать изображение с камер, понимать расположение предметов, создавать цифровые копии физических объектов и помогать роботам выполнять последовательные действия.

В опубликованном 13 октября 2026 года материале Google Developers показаны несколько практических сценариев: робот Boston Dynamics Spot использует мусорный контейнер с педалью, роботизированная рука поднимает предметы, а ИИ воспроизводит реальные движения в физическом симуляторе.

На тесте ERQA, оценивающем способность модели решать задачи физического и пространственного мышления, Gemini 4 Argon получила 87%. По данным Google, это выше результатов других передовых моделей в соответствующем сравнении.

Однако речь пока о демонстрациях и тестовых условиях. Эти результаты не означают, что Gemini уже способна самостоятельно управлять любым роботом или гарантированно выполнять сложные действия в незнакомом помещении.

Коротко: что Google показала 13 октября 2026 года

Google представила практические примеры применения Gemini 4 Argon в робототехнике. Модель объединяет анализ изображений, программирование, пространственное мышление и планирование физических действий.

Характеристика

Что известно

Модель

Gemini 4 Argon

Разработчик

Google DeepMind

Публикация демонстраций

13 октября 2026 года

Основное направление

Искусственный интеллект для робототехники

Результат ERQA

87% по данным Google

Управление роботами

Продемонстрировано на нескольких платформах

Физические симуляции

MuJoCo и связанные инструменты

Анализ камер

Поддерживается в показанных сценариях

Обучение на результатах действий

Продемонстрировано

Доступ через API

Платный уровень Gemini API

Бесплатный доступ всем желающим

Не объявлен

Одна из наиболее интересных особенностей заключается в том, что модель работает не только с текстовыми инструкциями.

Она получает визуальную информацию, строит план и использует результаты предыдущих действий, чтобы продолжать выполнение задания.

Что такое Gemini 4 Argon

Gemini 4 Argon — передовая модель искусственного интеллекта Google, предназначенная для сложных задач, требующих многоэтапного анализа и работы с инструментами.

Её возможности охватывают программирование, анализ документов, исследования и специализированные рабочие процессы.

В робототехнике модель применяется как интеллектуальный компонент, способный интерпретировать окружающую обстановку и формировать команды для подключённых систем.

Это отличается от традиционного чат-бота, который обычно получает текстовый запрос и возвращает текстовый ответ.

При работе с роботами модель должна учитывать положение предметов, геометрию пространства, допустимые движения и результаты взаимодействия с окружающей средой.

Почему понимание физического мира сложнее обычного диалога

Представим простую задачу: поднять со стола кружку.

Человеку обычно достаточно посмотреть на предмет и протянуть руку.

Для робота эта операция состоит из нескольких отдельных решений.

Нужно определить местоположение кружки, оценить её ориентацию, выбрать точку захвата, подвести манипулятор и убедиться, что предмет удерживается достаточно надёжно.

После этого робот должен переместить кружку и поставить её на новую поверхность.

Если предмет сдвинулся или захват оказался неудачным, план необходимо скорректировать.

Именно способность объединять визуальное восприятие, планирование и проверку действий представляет интерес для современной робототехники.

Gemini 4 Argon получила 87% на тесте ERQA

Одним из главных результатов, представленных Google, стал показатель 87% на тесте Embodied Reasoning Question Answering, сокращённо ERQA.

Этот тест предназначен для проверки способности искусственного интеллекта понимать физические и пространственные ситуации.

Модель должна рассуждать о расположении объектов, возможных действиях и особенностях трёхмерного окружения.

По данным Google, Gemini 4 Argon превзошла другие передовые модели в проведённом сравнении.

Что на самом деле означает результат 87%

Этот показатель относится к определённому набору тестовых заданий.

Он не означает, что реальный робот, использующий Gemini, успешно выполнит 87 из каждых 100 физических операций.

Для управления оборудованием имеют значение и другие факторы:

• Точность камер и датчиков.

• Качество механических приводов.

• Скорость передачи команд.

• Устойчивость системы управления.

• Возможность обнаруживать столкновения.

• Правильность настройки физической среды.

Поэтому успешное решение задачи пространственного мышления — важный показатель, но не полноценная оценка надёжности робототехнической системы.

Робот Boston Dynamics Spot научился работать с мусорным контейнером

Одна из самых наглядных демонстраций Google связана с четвероногим роботом Boston Dynamics Spot.

Перед системой поставили задачу собрать банки и выбросить их в контейнер с ножной педалью.

На первый взгляд действие кажется простым.

Однако для робота оно требует согласованной работы нескольких компонентов.

Как выполнялась задача

Робот должен был обнаружить банки, взять их манипулятором, подойти к контейнеру и открыть крышку нажатием на педаль.

Затем необходимо правильно расположить руку над открытым контейнером и отпустить предмет.

Для подготовки движения Gemini 4 Argon использовала физическую симуляцию MuJoCo.

Модель создала цифровое представление контейнера и могла предварительно отработать действия в виртуальной среде.

Это помогает оценивать движения до их выполнения реальным оборудованием.

Зачем роботу нужна симуляция

Когда человек учится новому действию, он может несколько раз попробовать выполнить его и скорректировать ошибку.

Для дорогостоящего робота такие эксперименты связаны с риском повреждения оборудования.

Поэтому робототехнические системы часто используют виртуальные среды.

В них можно проверять движения, рассчитывать траектории и выявлять опасные ситуации.

После этого подготовленную последовательность действий переносят на реальное устройство.

В показанном примере Google использовала связку физической симуляции и реального робота.

Это не универсальная гарантия безопасного переноса любых движений, но полезный способ разработки робототехнических навыков.

Роботизированная рука выполняет задачу без отдельного обучения под неё

Другая демонстрация посвящена манипулятору, которому необходимо поставить упавшую кружку вертикально и положить внутрь скомканную салфетку.

Google описывает этот сценарий как zero-shot control.

Термин означает попытку выполнить новую задачу без специального дополнительного обучения модели именно на ней.

При этом система всё равно использует готовые инструменты управления, данные камер и заранее подготовленную техническую среду.

Как ИИ определяет положение предметов

Модель получает изображение с камеры и информацию о рабочей области.

Затем выбирает действие, которое должен выполнить манипулятор.

После движения система может получить обновлённое изображение и проверить результат.

Если предмет не удалось захватить, необходимо изменить подход.

Такой процесс называется управлением с обратной связью.

Вместо одной длинной последовательности команд используется несколько циклов наблюдения и действия.

Это особенно важно при работе с предметами, положение которых может меняться.

Google показала, как ИИ создаёт цифровую копию физического мира

Ещё одно направление называется Real2Sim.

Его задача — преобразовать информацию о реальном окружении в физическую симуляцию.

Обычно создание точной виртуальной модели требует подготовки трёхмерной геометрии, настройки материалов и физических свойств предметов.

Gemini 4 Argon может помогать автоматизировать части этого процесса.

Реальное видео превращается в симуляцию

В одном из примеров модель анализирует видеозапись работы роботизированной системы.

На основе визуальных данных она помогает восстановить сцену в MuJoCo.

Затем виртуальное окружение сопоставляется с исходной записью.

Важно учитывать не только внешний вид предметов, но и то, как они соприкасаются друг с другом.

Например, кружка должна иметь физическую форму, позволяющую другому предмету оказаться внутри.

Если модель создаст неправильную геометрию, виртуальное действие может выглядеть убедительно, но не соответствовать реальной физике.

Можно ли создать симуляцию по рисунку

Google также показала сценарий преобразования схематичного рисунка в виртуальную робототехническую задачу.

В демонстрации используется нарисованная ситуация, где гуманоид должен бросить мяч и сбить небольшую конструкцию из коробок.

Модель помогает создать соответствующую сцену в физическом симуляторе, подготовить движения и проверить результат.

Это направление интересно тем, что исходным материалом может выступать не профессиональная CAD-модель, а простой набросок.

Однако точность автоматически полученной симуляции всё равно необходимо проверять.

Gemini 4 Argon научилась улучшать движения после ошибок

Один из наиболее важных разделов исследования посвящён совершенствованию действий робота.

Google показала сценарий, в котором манипулятор несколько раз выполняет задачу перемещения предмета.

После каждой попытки система изучает результат и пытается улучшить следующую последовательность действий.

Робот сократил время выполнения задачи

В демонстрации с роботизированной рукой SO-101 Google привела следующие показатели:

Попытка

Время выполнения

Первая

58,9 секунды

Вторая

22,9 секунды

Третья

17,4 секунды

Между попытками система использовала наблюдения для изменения стратегии.

Во второй итерации сохранялись проблемы с точностью размещения предмета. Следующая попытка позволила улучшить результат.

Это демонстрация на конкретном оборудовании и конкретном задании.

Нельзя считать, что любая роботизированная система с Gemini автоматически ускоряется в три раза после нескольких попыток.

Почему такой подход важен

Для практического применения роботов недостаточно один раз обучить систему правильно выполнять движение.

Окружающая среда меняется.

Предметы располагаются в новых местах, отличаются размерами и могут вести себя не так, как ожидалось.

Способность анализировать неудачную попытку и выбирать следующий вариант действий потенциально уменьшает объём ручной настройки.

Но для реального промышленного использования необходим контроль безопасности.

Не каждую ошибку допустимо повторять ради обучения.

Улучшение успешности действий: с 56% до 75%

Google опубликовала ещё один результат эксперимента с робототехническими моделями.

Gemini 4 Argon использовали для создания виртуальных обучающих сценариев.

По описанию разработчиков, система сгенерировала более 4 500 эпизодов в симуляции.

Затем полученные данные применялись для улучшения поведения модели управления.

В представленном эксперименте доля успешных действий выросла с 56% до 75%.

Одновременно время выполнения сократилось с 35 до 24 секунд.

Эти показатели относятся к конкретному исследовательскому сценарию и не являются универсальными характеристиками Gemini 4 Argon.

Но они показывают практическую ценность подхода: использовать виртуальную среду для подготовки данных, которые помогают физическому оборудованию работать точнее.

Может ли Gemini 4 Argon управлять человекоподобными роботами

Google также продемонстрировала работу с симуляциями гуманоидных систем.

Модель может анализировать видео движений человека и использовать эти сведения при построении виртуального задания для робота.

Например, движения рук переносятся в симуляцию, где учитываются суставы, пальцы и взаимодействие с объектами.

Этот процесс сложнее простого копирования видео.

У человека и роботизированного манипулятора могут различаться длина конечностей, подвижность суставов и доступные способы захвата.

Поэтому движения необходимо преобразовать в команды, соответствующие конкретной конструкции.

Значит ли это, что роботы скоро заменят людей

Таких выводов опубликованные демонстрации не подтверждают.

Исследовательские результаты показывают развитие отдельных технических возможностей.

Массовому использованию роботов по-прежнему мешают стоимость оборудования, энергопотребление, механическая надёжность и необходимость обеспечивать безопасность людей рядом с устройствами.

Кроме того, лабораторные задачи значительно проще многих ситуаций в обычном доме, где предметы могут находиться в непредсказуемом положении.

Где подобные технологии могут применяться

Развитие ИИ для физических действий особенно важно в сферах, где требуется регулярно взаимодействовать с объектами.

Склады и логистика

Роботы могут сортировать товары, переносить упаковки и выполнять отдельные операции с предметами.

При этом для работы с неизвестными объектами требуется точное распознавание формы и положения.

Производство

На предприятиях роботизированные системы уже используются для повторяющихся операций.

Более гибкое управление потенциально позволит сокращать объём ручного программирования при изменении производственного процесса.

Исследовательские лаборатории

В лабораториях роботы могут выполнять стандартизированные операции с оборудованием и образцами.

Однако для точных научных процедур необходимо контролировать погрешности и исключать загрязнение материалов.

Домашние помощники

В перспективе подобные подходы могут использоваться для уборки, сортировки предметов и выполнения простых бытовых действий.

Но демонстрация на подготовленной площадке ещё не подтверждает готовность технологии к полноценной самостоятельной работе в обычной квартире.

Чем Gemini 4 Argon отличается от обычной Gemini

Основное отличие рассматриваемых сценариев — характер задачи.

Обычный пользователь обращается к Gemini, чтобы получить текст, объяснение или помощь с информацией.

В робототехнике Gemini 4 Argon применяется как часть более сложной системы, взаимодействующей с оборудованием.

Критерий

Обычное использование Gemini

Робототехника с Gemini 4 Argon

Входные данные

Текст, изображения и другие поддерживаемые форматы

Камеры, данные датчиков, параметры среды

Результат

Ответ или цифровой материал

План действий и команды инструментам

Проверка

Пользователь оценивает ответ

Система проверяет физическое выполнение

Основные риски

Ошибки в информации

Ошибки действий и возможное повреждение оборудования

Необходимые инструменты

Приложение или API

Робот, система управления, симулятор

Важно: сама Gemini 4 Argon не является отдельным роботом.

Это модель искусственного интеллекта, подключаемая к программным и физическим системам.

Как получить доступ к Gemini 4 Argon

Согласно публикации Google Developers от 13 октября 2026 года, модель доступна через несколько инструментов для разработчиков.

Google AI Studio

Адрес: https://aistudio.google.com/

Google указывает доступ к Gemini 4 Argon для подписчиков Google AI Ultra.

При этом наличие обычного бесплатного аккаунта Google не означает, что модель можно выбрать без ограничений.

Gemini API

Для программного подключения используется идентификатор модели:

`gemini-4-argon`

Google указывает поддержку через Interactions API и библиотеки `google-genai`.

Доступ относится к платному уровню Gemini API.

Google Antigravity

Адрес: https://antigravity.google/

Gemini 4 Argon доступна подписчикам Google AI Ultra для сложного планирования, агентного программирования и выполнения продолжительных задач.

Условия могут зависеть от региона и действующего тарифа.

Можно ли пользоваться Gemini 4 Argon бесплатно

На дату публикации Google не объявила постоянный общедоступный бесплатный тариф для этой модели.

Поэтому обещания бесплатного неограниченного доступа к Argon необходимо проверять особенно внимательно.

Также не стоит вводить API-ключи в неизвестные сторонние сайты, обещающие бесплатное использование платной модели.

Сколько стоит Gemini 4 Argon API

Google объявила вводные тарифы для Gemini 4 Argon:

Тип использования

Вводная цена за 1 млн токенов

Входные токены

$2

Выходные токены

$10

Кэшированные входные токены

Скидка 95% от тарифа входа

После завершения вводного периода Google указывает стандартную стоимость $4 за миллион входных токенов и $20 за миллион выходных.

Эти цены относятся к опубликованным тарифам модели, а не к стоимости физического управления роботами.

Если система дополнительно использует симуляции, видеообработку, вычислительные серверы и оборудование, возникают отдельные расходы.

Пример стоимости запроса

Предположим, приложение отправляет 10 000 входных токенов и получает ответ из 2 000 выходных токенов.

При вводном тарифе стоимость составит:

Вход: 10 000 / 1 000 000 × $2 = $0,02.

Выход: 2 000 / 1 000 000 × $10 = $0,02.

Итого: $0,04 за запрос без дополнительных расходов.

После повышения тарифа аналогичный запрос будет стоить $0,08.

Это пример расчёта, а не измерение стоимости робототехнической задачи в демонстрациях Google.

Для самостоятельного сравнения стоимости моделей можно использовать калькулятор токенов и расходов на ИИ API.

Какие ограничения есть у робототехнического ИИ

Даже продвинутая модель может неправильно определить положение предмета или выбрать неподходящее движение.

Поэтому практические системы используют ограничения рабочих зон, контроль скорости, датчики столкновений и механизмы аварийной остановки.

В материалах Google основной акцент сделан на физических симуляциях и проверке результатов.

Но успешное выполнение тестовых заданий не заменяет сертификацию оборудования и оценку безопасности в реальных условиях.

Особенно осторожно необходимо относиться к системам, работающим рядом с людьми.

Почему нельзя слепо доверять видео демонстраций

Короткий ролик показывает, что система смогла выполнить определённое действие.

Но без дополнительных сведений сложно определить частоту неудачных попыток, сложность настройки и устойчивость результата.

Поэтому для объективного сравнения робототехнических систем важны опубликованные методики испытаний и результаты на повторяемых заданиях.

Google раскрыла отдельные показатели и демонстрации, но они не позволяют оценить надёжность каждого возможного применения.

Частые вопросы

Что такое Gemini 4 Argon?

Это передовая модель искусственного интеллекта Google, предназначенная для сложного анализа, программирования и многоэтапных задач. В опубликованных демонстрациях её возможности применяются в робототехнике.

Когда Google показала Gemini 4 Argon для роботов?

Отдельная техническая публикация Google Developers с робототехническими примерами вышла 13 октября 2026 года.

Правда ли, что Gemini набрала 87% на тесте для роботов?

Google сообщила о результате 87% на ERQA — тесте пространственного и физического мышления. Показатель не равнозначен успешности выполнения физических операций настоящим роботом.

Каким роботом управляет Gemini 4 Argon?

Среди продемонстрированных платформ — четвероногий Boston Dynamics Spot и несколько типов роботизированных манипуляторов.

Может ли Gemini 4 Argon управлять роботом без программирования?

В отдельных сценариях модель помогает формировать действия по инструкции без специального дополнительного обучения под задачу. Но необходимы система управления, совместимое оборудование и настроенные инструменты.

Можно ли скачать Gemini 4 Argon на компьютер?

Google предлагает модель через облачные инструменты. Публичного выпуска весов для свободного локального запуска в рассмотренных официальных материалах не объявлено.

Доступна ли Gemini 4 Argon бесплатно?

Постоянный общедоступный бесплатный доступ не подтверждён. Google указывает платный API и возможности для подписчиков Google AI Ultra.

Чем Gemini 4 Argon отличается от ChatGPT?

Обе системы относятся к современным моделям искусственного интеллекта, но в статье рассматривается специализированное применение Gemini 4 Argon для физического планирования и робототехники. Для сравнения универсальных моделей необходимы одинаковые условия испытаний.

Роботы с Gemini смогут работать дома?

Технологии демонстрируют перспективные возможности, однако это не означает готовности универсальных бытовых роботов к массовому применению.

Может ли Gemini учиться на собственных ошибках?

Google показала отдельные сценарии, где система анализировала неудачные действия и улучшала последующие попытки. Это не гарантирует самостоятельного обучения в любых условиях.

Что означает разработка Google для будущего искусственного интеллекта

Современные нейросети уже научились работать с текстами, изображениями, видео и программным кодом.

Следующая задача — научить ИИ использовать эти возможности для взаимодействия с физическими объектами.

Gemini 4 Argon показывает один из путей развития: модель анализирует пространство, создаёт виртуальное представление задачи, выбирает действия и проверяет результат.

Наиболее убедительные примеры связаны не с фантастическими обещаниями, а с конкретными операциями.

Робот открывает контейнер, манипулятор перемещает предмет, а система управления сокращает время выполнения задачи после нескольких попыток.

Главный результат демонстраций Google — возможность объединять интеллектуальное планирование, физическую симуляцию и реальные движения в одном рабочем процессе.

Однако переход от исследовательской площадки к промышленной или домашней эксплуатации потребует дальнейших проверок.

Пока Gemini 4 Argon следует рассматривать как перспективный инструмент для разработчиков и исследователей, а не как готовую универсальную систему управления любым роботом.

Официальные источники

1. Google Developers — Gemini 4 Argon for Robotics, 13 октября 2026 года.

2. Google — Gemini 4 Argon: our next era of frontier intelligence, 30 сентября 2026 года.

3. Google Developers — Optimizing a 200,000-line Python codebase overnight with Gemini 4 Argon, 13 октября 2026 года.

4. Google AI Studio.

5. Google Gemini API — документация.

*Дата редакционной проверки 14 октября 2026 года. Описание экспериментов и показатели производительности приведены по официальным материалам Google. Редакция AI News Lab не проводила самостоятельного тестирования модели на робототехническом оборудовании.*