У вересні 2026 року Google представила флагманську модель штучного інтелекту Gemini 4 Argon, яка, за заявами компанії, призначена не лише для взаємодії з людьми, а й для керування роботами. У корпоративному блозі Google назвала Argon «якісним стрибком у робототехніці», здатним прискорити прогрес на шляху до фізичного, або втіленого, штучного інтелекту загального призначення. Ключова відмінність моделі полягає в тому, що робототехніка, оснащена Argon, здатна мислити, навчатися та адаптуватися до нових завдань без значних витрат на донавчання — тобто виконувати дії в режимі zero-shot control.

Результати в бенчмарку Embodied Reasoning

Свою заяву про лідерство Argon у сфері втіленого міркування Google підтвердила результатами тестування в пакеті Embodied Reasoning (ERQA), який перевіряє здатність моделі розуміти та вирішувати фізичні й просторові завдання у тривимірних середовищах. Під час використання чистого логічного висновку Argon набирає 87 %, випереджаючи всі інші передові моделі на ринку. Цей показник, за оцінкою розробників, демонструє, що модель здатна до послідовного фізичного мислення без потреби навчання на спеціалізованих датасетах для конкретного завдання.

Ставлення до наявних робототехнічних моделей Google

Важливо зазначити, що на момент публікації Google поки що не пов'язала адаптацію Gemini 4 Argon або її компонентів до сфери ШІ-платформ для фізичного втілення. Компанія окремо розвиває дві спеціалізовані моделі для робототехніки — Gemini Robotics 1.5 та Gemini Robotics-ER 1.5, які спільно реалізують підхід «спочатку обдумай, потім дій»: робот спершу формує план дій, а потім виконує його. Argon робить щось подібне, але у більш універсальному форматі: модель об'єднує розуміння фізичних явищ і процесів, генерацію коду та візуально-семантичні міркування в єдиному архітектурному рішенні.

Практичні приклади: від робота-собаки до Real2Sim

У корпоративному блозі Google навела наочні приклади використання Argon у чотирьох ключових галузях робототехніки: симуляції дій та їх втіленні в реальності, навчанні на прикладах, розумінні обстановки й відточуванні навичок. Першим демонстраційним кейсом стало керування роботом-собакою Spot від Boston Dynamics у фізичному симуляторі MuJoCo без попереднього навчання. Argon навчив чотирилапого робота новому навику — натискати педаль сміттєвого відра, щоб викидати туди підняті з підлоги бляшанки з-під газировки. Для відпрацювання руху ШІ створює в MuJoCo цифровий двійник сміттєвого відра з педаллю і лише потім дозволяє роботові відтворити послідовність дій у реальності, коригуючи його рухи, відстежуючи положення маніпулятора, бляшанки й відкритого відра, а також допомагаючи утримувати рівновагу на трьох кінцівках, поки четверта натискає на педаль.

Zero-shot керування маніпулятором та технологія Real2Sim

У другому експерименті Argon керує робототехнічною рукою, щоб поставити перекинутий кружку вертикально й покласти всередину зім'яту серветку. Система використовує просторові координати та команди переміщення й захвату, а після кожного етапу повторно аналізує зображення, коригуючи дії з урахуванням положення предметів. Маніпулятор виконує всі дії без попереднього навчання. Третя демонстраційна технологія — Real2Sim — перетворює реальні сцени на фізичні симуляції: Argon аналізує відеозаписи, відновлює геометрію об'єктів і задає їхні фізичні властивості (масу, інерцію, тертя, поведінку при зіткненнях). Потім віртуальна сцена перевіряється на відповідність реальним зображенням з камер. Той самий процес дозволяє перетворити грубий малюнок від руки — наприклад, схему, де робот збиває м'ячем пірамідку з кубиків, — на повноцінну 3D-анімацію з реалістичною фізикою.

Стратегічний контекст: шлях до загального ШІ у фізичному світі

За оцінкою розробників Google, Gemini 4 Argon є важливим етапом на шляху до створення загального штучного інтелекту, здатного діяти у фізичному світі. Нова модель об'єднує програмування, візуальне сприйняття, фізичне моделювання та керування реальними роботами в єдиній архітектурі. Розвиваючи Argon, компанія заявляє про намір створювати робототехнічні рішення, які зможуть працювати спільно з людьми та допомагати їм вирішувати складні побутові й промислові завдання. Таким чином, Argon позиціонується не як вузькоспеціалізований інструмент для конкретного класу роботів, а як універсальна модель фізичного мислення, застосовна на всіх етапах життєвого циклу робототехнічних систем.