超级管理员
楼主
谷歌发布 Gemini 4 Argon for Robotics，一个帮助机器人理解物理环境、在仿真中练习以提升真实世界成功率的模型。
定位很关键
根据 AI Times 的报道，它并不直接驱动机器人，而是一个高层推理引擎：自动构建 MuJoCo 这类物理仿真环境，并生成大量训练数据来改进机器人控制模型（VLA）。
这些数据把一个通用 VLA 模型的任务成功率从 56% 提升到 75%。Argon 本身在不借助外部工具的情况下，在 ERQA 物理推理基准上取得 87% 的成绩。
谷歌还演示了 Argon 引导波士顿动力四足机器人 Spot 踩下踏板式垃圾桶、掀开盖子并投入饮料罐的过程。
为什么这条路走得通
机器人学习的瓶颈正在转移：从「让机器人真的动起来收集数据」转向「在仿真里生成数据」。真机采集的成本高、速度慢、场景覆盖有限，还会磨损设备；仿真可以并行跑、可以人为加难度、可以随意重置。
AI Ultra 订阅用户已可在 Google AI Studio 和 Google Antigravity 中使用。
需要保留的判断
上述成功率数据均为谷歌自行测量，没有第三方复现。仿真到真机的迁移（sim-to-real）一直是这个路线的最大不确定性，仿真里练出来的策略在真实光照、磨损、来料差异下能保留多少，才是决定这项技术能否规模化的关键。
本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。