# Google lança Gemini 4 Argon para controlar e simular robôs

> O novo modelo Gemini 4 Argon ajuda robôs a aprender com vídeos, criar cenários simulados e aprimorar políticas de controle. Está disponível para assinantes do Google AI Ultra e pela Gemini API.

Oossa · 2026-11-09 · https://oossa.com/pt/google-launches-gemini-4-argon-for-robot-control-and-simulation-3782066

O Google apresentou o Gemini 4 Argon, um modelo desenvolvido para tarefas de raciocínio físico em robótica. Ele pode conduzir um robô Spot, da Boston Dynamics, em um exercício com pedais após praticar em uma réplica simulada no MuJoCo. Também pode controlar um braço robótico simples usando coordenadas visuais e comandos de movimento HTTP, além de trabalhar com o modelo de mundo em vídeo Gemini Omni para fechar o ciclo entre percepção e ação.

O Argon pode reconstruir cenários de simulação no MuJoCo a partir de vídeos de teleoperação — processo que o Google chama de Real2Sim — e identificar ações em gravações de demonstração para clonagem de comportamento. Segundo o Google, o modelo pode sintetizar episódios no MuJoCo com randomização de domínio a partir de uma única foto RGB e usá-los para ajustar uma política de visão-linguagem-ação, elevando de 56% para 75% a taxa de sucesso do robô real.

## Desempenho e acesso

O Google informa que o Argon alcançou 87% de precisão no benchmark Embodied Reasoning Question Answering (ERQA) usando apenas raciocínio, sem ferramentas externas. A empresa afirma que o resultado supera o de outros modelos de ponta no mesmo teste. O Argon está disponível para assinantes do Google AI Ultra e pode ser acessado pela Gemini API paga, com o ID de modelo gemini-4-argon.

As demonstrações de robótica usam prompts longos e específicos para cada tarefa, com grades de coordenadas, movimentos básicos e etapas de verificação. O Google não publicou taxas detalhadas de falha para cada demonstração; limitou-se a mencionar o caso do modelo de mundo em vídeo.

## Primeiras reações

Profissionais da área ressaltaram a importância da fidelidade das simulações. Davin YC Dong, em comentário no X, alertou que um cenário pode parecer realista mesmo quando as interações físicas estão erradas — algo crucial em tarefas de manipulação. Outro desenvolvedor, pulpmatrix, destacou a necessidade de documentação clara das fontes para as alegações sobre os processos “Video-to-Sim-to-Real” e observou que o lançamento atual não inclui artigo, repositório de código nem estatísticas de acerto para o exemplo de cornhole.

Sistemas especializados como OpenVLA, a família π da Physical Intelligence e o GR00T, da NVIDIA, concentram-se na previsão de ações para configurações específicas de robôs e, em geral, dependem de grandes conjuntos de dados de teleoperação. A abordagem do Google reúne percepção, simulação e controle em um único modelo, com prompts extensos, o que levanta dúvidas sobre sua capacidade de substituir um fluxo de trabalho com vários serviços.

## Os fatos

- O Google lançou o Gemini 4 Argon em 2026-11-09.
- O modelo alcançou 87% no benchmark Embodied Reasoning Question Answering.
- A taxa de sucesso em uma tarefa com um robô real subiu de 56% para 75% após o ajuste fino com episódios sintetizados no MuJoCo.
- O Argon está disponível para assinantes do Google AI Ultra e pela Gemini API (ID do modelo: gemini-4-argon).
- O modelo pode reconstruir cenários no MuJoCo a partir de vídeos de teleoperação (Real2Sim) e identificar ações em vídeos de robôs para clonagem de comportamento.

## Por que importa

Para desenvolvedores de robótica, o Argon oferece um único modelo capaz de transformar dados de vídeo em ambientes de treinamento simulados e aprimorar políticas de robôs, o que pode reduzir o custo de criar fluxos de trabalho separados para percepção, simulação e controle. No entanto, a falta de métricas detalhadas de falhas e de recursos de código aberto significa que será preciso verificar o desempenho no próprio hardware antes de confiar no modelo em tarefas críticas.

## Fontes e referências

1. [Google Releases Gemini 4 Argon for Robotics Control, Simulation, and Policy Improvement](https://www.infoq.com/news/2026/11/google-gemini-argon/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-11-09

Última atualização: 2026-11-09