---
title: "Google Gemini 4 Argon: флагманская ИИ-модель, которая учит роботов думать и действовать без предварительного обучения"
description: "Google представила Gemini 4 Argon — универсальную ИИ-модель для робототехники, набирающую 87% в бенчмарке ERQA и способную управлять роботами в режиме zero-shot без предварительного обучения."
date: 2026-10-17T02:32:26.913Z
lang: ru
url: https://xab.info/posts/google-gemini-4-argon-robototekhnika-embodied-ai
tags: [google, gemini-4-argon, robotics, embodied-ai, artificial-intelligence, boston-dynamics, mujoco, zero-shot]
author: "Александр Буран"
publisher: "XAB.info"
---

# Google Gemini 4 Argon: флагманская ИИ-модель, которая учит роботов думать и действовать без предварительного обучения

![Абстрактное синее изображение с иконкой роботизированной руки в стиле минимализма](https://xab.info/media/2026/10/17/google-gemini-4-argon-robototekhnika-embodied-ai/google-gemini-4-argon-robototekhnika-embodied-ai-1.webp)

## Ключевые тезисы

- Gemini 4 Argon набрала 87% в бенчмарке Embodied Reasoning (ERQA), опередив все остальные передовые модели
- Модель позволяет роботам выполнять задачи в режиме zero-shot control без предварительного обучения
- Google демонстрирует управление роботом Spot от Boston Dynamics и роботизированной рукой через Argon
- Технология Real2Sim преобразует реальные сцены и даже рисунки от руки в физические 3D-симуляции
- Argon позиционируется как универсальная модель физического мышления, а не как замена специализированным Gemini Robotics 1.5

В сентябре 2026 года Google представила флагманскую модель искусственного интеллекта Gemini 4 Argon, которая, по заявлениям компании, предназначена не только для взаимодействия с людьми, но и для управления роботами. В корпоративном блоге Google назвала Argon «качественным скачком в робототехнике», способным ускорить прогресс на пути к физическому, или воплощённому, искусственному интеллекту общего назначения. Ключевое отличие модели в том, что роботы, оснащённые Argon, способны думать, учиться и адаптироваться к новым задачам без значительных затрат на дообучение — то есть выполнять действия в режиме zero-shot control.

### Результаты в бенчмарке Embodied Reasoning

Своё заявление о лидерстве Argon в сфере воплощённого рассуждения Google подтвердила результатами тестирования в пакете Embodied Reasoning (ERQA), который проверяет способность модели понимать и решать физические и пространственные задачи в трёхмерных средах. При использовании чистого логического вывода Argon набирает 87 %, опережая все остальные передовые модели на рынке. Этот показатель, по оценке разработчиков, демонстрирует, что модель способна к последовательному физическому мышлению без необходимости обучения на специализированных датасетах для конкретной задачи.

### Отношение к существующим робототехническим моделям Google

Важно отметить, что на момент публикации Google пока не связала адаптацию Gemini 4 Argon или её компонентов к сфере ИИ-платформ для физического воплощения. Компания отдельно развивает две специализированные модели для робототехники — Gemini Robotics 1.5 и Gemini Robotics-ER 1.5, которые совместно реализуют подход «сначала обдумай, потом действуй»: робот сначала формирует план действий, а затем выполняет его. Argon делает нечто подобное, но в более универсальном формате: модель объединяет понимание физических явлений и процессов, генерацию кода и визуально-семантические рассуждения в едином архитектурном решении.

### Практические примеры: от робота-собаки до Real2Sim

В корпоративном блоге Google привела наглядные примеры использования Argon в четырёх ключевых областях робототехники: симуляции действий и их воплощении в реальности, обучении на примерах, понимании обстановки и оттачивании навыков. Первым демонстрационным кейсом стало управление роботом-собакой Spot от Boston Dynamics в физическом симуляторе MuJoCo без предварительного обучения. Argon обучил четвероногого робота новому навыку — нажимать педаль мусорного ведра, чтобы выбрасывать в него поднятые с пола банки из-под газировки. Для отработки движения ИИ создаёт в MuJoCo цифровой двойник мусорного ведра с педалью и лишь затем позволяет роботу воспроизвести последовательность действий в реальности, корректируя его действия, отслеживая положение манипулятора, банки и открытого ведра, а также помогая удерживать равновесие на трёх конечностях, пока четвёртая нажимает на педаль.

### Zero-shot управление манипулятором и технология Real2Sim

Во втором эксперименте Argon управляет роботизированной рукой, чтобы поставить опрокинутую кружку вертикально и положить внутрь смятую салфетку. Система использует пространственные координаты и команды перемещения и захвата, а после каждого этапа повторно анализирует изображение, корректируя действия с учётом положения предметов. Манипулятор выполняет все действия без предварительного обучения. Третья демонстрационная технология — Real2Sim — преобразует реальные сцены в физические симуляции: Argon анализирует видеозаписи, восстанавливает геометрию объектов и задаёт их физические свойства (массу, инерцию, трение, поведение при столкновениях). Затем виртуальная сцена проверяется на соответствие реальным изображениям с камер. Тот же процесс позволяет превратить грубый рисунок от руки — например, схему, где робот сбивает мячом пирамидку из кубиков, — в полноценную 3D-анимацию с реалистичной физикой.

### Стратегический контекст: путь к общему ИИ в физическом мире

По оценке разработчиков Google, Gemini 4 Argon представляет собой важный этап на пути к созданию общего искусственного интеллекта, способного действовать в физическом мире. Новая модель объединяет программирование, визуальное восприятие, физическое моделирование и управление реальными роботами в единой архитектуре. Развивая Argon, компания заявляет о намерении создавать робототехнические решения, которые смогут работать совместно с людьми и помогать им решать сложные бытовые и промышленные задачи. Таким образом, Argon позиционируется не как узкоспециализированный инструмент для конкретного класса роботов, а как универсальная модель физического мышления, применимая на всех этапах жизненного цикла робототехнических систем.

## Проверка фактов и источники

- [Google заявила об «умственном» превосходстве роботов с ИИ-моделью Gemini 4 Argon над остальными window-new](https://3dnews.ru/1150007/google-zayavila-ob-umstvennom-prevoshodstve-robotov-s-iimodelyu-gemini-4-argon-nad-ostalnimi) - Первоисточник содержит все ключевые факты: результаты ERQA (87%), примеры с Spot и манипулятором, описание Real2Sim, упоминание Gemini Robotics 1.5. Все данные перенесены в статью без искажений.

## Частые вопросы

### Что такое Gemini 4 Argon и когда она была представлена?

Gemini 4 Argon — флагманская модель ИИ от Google, представленная в сентябре 2026 года. Она предназначена как для взаимодействия с людьми, так и для управления роботами, объединяя физическое моделирование, генерацию кода и визуально-семантические рассуждения.

### Какие результаты Argon показала в бенчмарке ERQA?

При использовании чистого логического вывода Gemini 4 Argon набирает 87% в пакете Embodied Reasoning (ERQA), опережая все остальные передовые модели на рынке.

### Чем Argon отличается от Gemini Robotics 1.5?

Gemini Robotics 1.5 и Gemini Robotics-ER 1.5 — специализированные модели для робототехники, реализующие подход «сначала обдумай, потом действуй». Argon более универсальна: она включает понимание физических явлений, генерацию кода и визуально-семантические рассуждения, и может применяться на всех этапах жизненного цикла робототехнических систем.

### Что такое zero-shot control в контексте Argon?

Zero-shot control — это способность модели управлять роботом без предварительного обучения на конкретных задачах. В демонстрациях Google Argon управляла роботом Spot и роботизированной рукой, выполняя новые для них действия (нажатие педали, установка кружки) без этапа дообучения.

### Что такое технология Real2Sim?

Real2Sim — технология, при которой Argon анализирует видеозаписи реальных сцен, восстанавливает геометрию объектов и задаёт их физические свойства (массу, инерцию, трение). Затем создаётся виртуальная симуляция, которая проверяется на соответствие реальным изображениям. Технология также позволяет превратить рисунок от руки в 3D-анимацию с реалистичной физикой.