谷歌DeepMind展示了一项全新的机器人训练技术，其Gemini 4 Argon人工智能模型能够通过观看视频学习某项物理任务，随后将习得的行为迁移到Apptronik公司的Apollo人形机器人身上。
该演示是谷歌最新前沿人工智能模型Gemini 4 Argon发布的一部分，该公司表示，这款模型将视觉语义推理、物理理解能力与自主代码生成能力相结合，应用于机器人领域。
在一次内部测试中，Argon观看了一段展示某人进行沙包投掷游戏（cornhole）的原始视频。该模型分析了环境情况，绘制出空间坐标，并计算出完成该任务所需的全身关节运动方式。
随后，Argon自主生成了仿真代码，之后这一习得的行为被迁移到Apptronik公司的Apollo人形机器人身上。
据谷歌DeepMind介绍，在真实环境测试中，Apollo随后连续七次成功将沙包投入目标洞中。
该公司将这一方法称为“视频到仿真到真实”（Video-to-Sim-to-Real）流程，并表示该流程可以将通常需要数周手动工作才能完成的机器人仿真过程缩短至几个小时。
谷歌DeepMind表示：“这种‘视频到仿真到真实’的流程将数周的手动仿真建模工作压缩到几个小时内完成，把普通视频转变为可扩展的、近乎无限的机器人训练场。”
该演示旨在展示通用人工智能模型如何能够减少训练机器人掌握新物理技能所需的大量人工工程投入。
谷歌DeepMind还在其“具身推理”基准测试（Embodied Reasoning，简称ERQA）中测试了Argon模型，该基准用于衡量模型在三维环境中对物理与空间问题进行推理的能力。该公司表示，Argon在测试中取得了87%的得分。
Gemini 4 Argon被定位为可广泛应用于复杂工程、科学研究、编程及商业任务的模型。谷歌表示，该模型已被应用于多个项目，涵盖从优化大型软件代码库，到量子计算、核聚变以及生命科学研究等领域。
目前，该模型已通过谷歌的人工智能产品及Gemini API对外提供使用，谷歌将此次机器人相关工作视为其将先进人工智能推理能力应用于物理系统这一更广泛努力的一部分。
