Google heeft Gemini 4 Argon geïntroduceerd, een model voor redeneertaken in de robotica. Het model kan een Spot-robot van Boston Dynamics door een oefening met een voetpedaal leiden, nadat het die heeft geoefend in een digitale MuJoCo-simulatie. Ook kan het een eenvoudige robotarm aansturen met visuele coördinaten en HTTP-bewegingsopdrachten. In combinatie met het videowereldmodel van Gemini Omni kan het de waarnemings- en actiecyclus sluiten.
Argon kan MuJoCo-simulatiescènes reconstrueren op basis van video van telebediening — een proces dat Google Real2Sim noemt — en demonstratiebeelden labelen voor gedragsklonen. Volgens Google kan het op basis van één RGB-foto MuJoCo-simulaties met gevarieerde domeinparameters genereren en die gebruiken om een visie-taal-actiemodel verder te trainen. Daardoor steeg het succespercentage van 56% naar 75% op de echte robot.
Prestaties en toegang
Google meldt dat Argon een nauwkeurigheid van 87% behaalde op de benchmark Embodied Reasoning Question Answering (ERQA), met uitsluitend redeneervermogen en zonder externe tools. Volgens het bedrijf scoort het model daarmee hoger dan andere geavanceerde modellen op dezelfde test. Argon is beschikbaar voor Google AI Ultra-abonnees en kan worden aangeroepen via de betaalde Gemini API met de model-ID gemini-4-argon.
De robotdemo’s maken gebruik van lange, taakspecifieke prompts met onder meer coördinatenrasters, bewegingsprimitieven en verificatiestappen. Google heeft geen gedetailleerde foutpercentages voor elke demo gepubliceerd; het bedrijf verwijst alleen naar de ene toepassing met het videowereldmodel.
Eerste reacties
Mensen uit de praktijk wijzen erop dat de nauwkeurigheid van simulaties ertoe doet. Davin YC Dong waarschuwde op X dat een scène er realistisch uit kan zien terwijl de fysieke interacties niet kloppen — iets wat cruciaal is bij manipulatietaken. Een andere ontwikkelaar, pulpmatrix, wees op de noodzaak van duidelijke bronvermelding bij claims over pijplijnen van ‘Video-to-Sim-to-Real’. Bij de huidige release ontbreken een artikel, een coderepository en slagingspercentages voor het cornhole-voorbeeld, merkte die op.
Gespecialiseerde systemen als OpenVLA, de π-familie van Physical Intelligence en GR00T van NVIDIA richten zich op actievoorspelling voor specifieke robotplatforms en zijn doorgaans afhankelijk van grote datasets met telebedieningsgegevens. Google combineert waarneming, simulatie en besturing in één model en maakt daarbij veel gebruik van prompts. Dat roept de vraag op of het een pijplijn met meerdere diensten kan vervangen.
Waarom het ertoe doet
Voor ontwikkelaars in de robotica biedt Argon één model dat videogegevens kan omzetten in gesimuleerde trainingsomgevingen en robotbesturingsstrategieën kan verbeteren. Dat kan de kosten drukken van afzonderlijke pijplijnen voor waarneming, simulatie en besturing. Door het gebrek aan gedetailleerde foutmetingen en open bronnen zullen gebruikers de prestaties echter op hun eigen hardware moeten controleren voordat ze het model voor kritieke taken inzetten.
