一张照片就能搭出仿真训练场，真机成功率从56%升到75%

从虚拟到现实

Gemini 4 Argon 是 Google 的最新具身推理模型。在 ERQA 基准上，它用纯推理拿到 87%，超过所有其他前沿模型。ERQA 考的就是具身推理：物体怎么运动，机器人与环境怎么交互。

它能直接上手控制机器人。它能操控波士顿动力的 Spot 四足机器人，先在 MuJoCo 数字孪生里练，再去踩脚踏垃圾桶、扔易拉罐。机械臂同样能零样本接管：把倒下的杯子扶正，把揉皱的纸巾塞进杯里。

给 Argon 拍一张手绘草图就行。草图上，Apollo 2 人形机器人沿抛物线抛球，击倒 3-2-1 堆叠的箱子。Argon 会自动搭 GPU 加速的仿真场景。再合成一条平衡的 76 自由度全身和五指投掷轨迹，6 个目标全部击倒。

视频也能当教材。把真实机器人的遥操作视频喂给它，它就能建出数字孪生。虚拟物体的外观和接触表现，会被调得和真实一致。人类第一视角视频也一样：Argon 把手的运动轨迹重定向到双手机器人上。这台人形机器人有 76 个自由度，双手各带 22 自由度的五指手。

仿真训练的效果会落到真实机器人身上。Argon 从一张真实桌面照片建出校准过的 MuJoCo 环境。它在虚拟世界采集 4500 多个仿真片段，每个都带随机变化。真实机器人的成功率从 56% 升到 75%，完成时间从 35 秒缩到 24 秒。它还能在真实机械臂上自我反思、迭代改进。第一次拾取放置用了 58.9 秒。第二次 22.9 秒，但放落时擦到箱子边缘。第三次 17.4 秒，落点正中。

视频与论文

Argon 能把操作视频拆成多层标注，按时间轴对齐。层级包括任务目标、语义子任务、接触级别的原子动作。自动质量控制会重新调整标注权重。它还能当“价值函数”评估任务进度。一段 60 秒的视频里，机器人用双臂给圆环排序。Argon 把它拆成 28 个片段，进度有正、有平、有负。12 球称重谜题，Argon 也能搭。它建好仿真环境，写出纯视觉的闭环求解器。3 次称重内，那颗偏重或偏轻的台球就会被找出来。

给 Argon 一段提示，它就能读懂机器人控制论文。物理模型和闭环控制器会被整体移植。产物是能在浏览器里跑的 MuJoCo WebAssembly 演示。这样的沙箱已经复现 68 个。包括 Robotic Soccer、DeepLoco、ANYmal C。还有 Whole-Body MPC Go2，以及 HUSKY G1 玩滑板。

现在谁能用

获取通道已经开放。入口有两个：Google AI Studio 和 Antigravity。都只对 Google AI Ultra 订阅者开放。Gemini API 的付费用户也能用。目前全是付费入口，没有免费档。