谷歌 DeepMind 于 2026 年 10 月 13 日公布了 Gemini 4 Argon 模型,并在内部展示中演示了一项机器人任务:一台人形机器人仅通过观看一段视频就学会了玩沙包投掷游戏。Apptronik 的 Apollo 2 机器人在观看一次人类演示并在模拟环境中练习后,连续七次成功投掷,全程无需人工指导或编程调整。这场展示呈现了一种名为 Video-to-Sim-to-Real 的工作流程:通过物理模拟,将视频中观察到的人类动作转化为可执行的机器人技能,然后应用于现实世界。这代表了机器人获取物理能力方式的一次方法论转变。
Gemini 4 Argon 将视频演示转化为机器人技能
系统接收了一段人类投掷沙包的视频。Gemini 4 Argon 利用其视频理解和推理能力分析人类动作,并将这一投掷动作映射到 Apollo 2 的关节上。随后,该模型使用 MuJoCo 构建物理模拟环境。MuJoCo 是一种用于模拟物体运动和碰撞方式的物理引擎。Apollo 2 在虚拟环境中练习投掷,然后再尝试在现实世界中完成投掷。机器人根据物理环境提供的反馈改进技术,最终连续七次成功命中。
根据研究结果,这一工作流程将建模所需时间从数周缩短至数小时。该模型在 ERQA 上取得了 87% 的得分。ERQA 是一项具身推理基准,用于衡量机器人理解其所处物理世界的能力,包括对物体、空间以及因果关系的理解。
Apptronik 为工业应用提供 Apollo 2 机器人
总部位于得克萨斯州奥斯汀的机器人公司 Apptronik 构建了 Apollo 2。该公司此前曾与 Mercedes-Benz、GXO Logistics 和 Jabil 开展试点项目。这些合作关系指向了人形机器人预计将运行的场景:工厂车间、仓库和生产线。沙包投掷演示要求机器人判断距离、控制力度,并在投掷失误后进行修正;当机器人需要在工业环境中放置、移动或投掷物体时,也会涉及这些技能。
研究结果揭示潜在工业应用
研究结果将这场演示描述为 AI 驱动机器人技术的一项进展,尤其适用于必须适应不断变化条件的系统。研究结果表明,这可能预示着专注于 AI 机器人技术的公司将迎来一波发展,并有可能为该领域吸引更多资金。研究结果指出,如果 Gemini 4 Argon 能够通过谷歌的 API 使用,可能会催生新的应用和初创公司。物流、制造业和消费级机器人被列为可能出现这一趋势的领域。
这场演示涉及一项单一且定义明确的任务。研究结果指出,仓库中的变量远多于一块投掷板和一个沙包。
常见问题
谷歌 DeepMind 于 2026 年 10 月 13 日利用 Gemini 4 Argon 展示了什么?
谷歌 DeepMind 展示了 Gemini 4 Argon 如何通过一段视频教会 Apptronik 的 Apollo 2 机器人玩沙包投掷游戏。机器人在观看一次人类演示并使用 Video-to-Sim-to-Real 工作流程在模拟环境中练习后,连续七次成功投掷。
Video-to-Sim-to-Real 流程如何运作?
该流程包含三个步骤:系统观看人类执行任务的视频,使用 MuJoCo 构建物理模拟环境来练习动作,然后将学到的技能转移给现实世界中的机器人。根据研究结果,这一工作流程将建模所需时间从数周缩短至数小时。
Apptronik 曾与哪些公司合作开展 Apollo 2 试点项目?
Apptronik 曾与 Mercedes-Benz、GXO Logistics 和 Jabil 开展试点项目。这些合作聚焦于工业应用,包括工厂车间、仓库和生产线。