Google DeepMind hat Gemini 4 Argon eingesetzt, um dem humanoiden Roboter Apollo von Apptronik anhand eines Videos eine physische Aufgabe beizubringen. Das Unternehmen meldet sieben erfolgreiche Würfe in Folge und eine kürzere Vorbereitungszeit für Simulationen.
Die Demonstration wurde beim Start von Gemini 4 Argon vorgestellt und zeigt einen neuen Ansatz für das Training von Robotern. Das KI-Modell von Google verbindet visuelles Schlussfolgern, physikalisches Verständnis und eigenständige Codegenerierung. Auf diese Weise macht es aus einem Video ein Verhalten, das ein Roboter ausführen kann. Industriell geht es darum, den Engineering-Aufwand zu senken, der nötig ist, um Robotern neue physische Fähigkeiten beizubringen.
Cornhole-Video als Vorlage: So lernte Apollo das Werfen
Für diesen internen Versuch spielte Google DeepMind Gemini 4 Argon ein unbearbeitetes Video zu. Darin spielt eine Person Cornhole, ein Spiel, bei dem Säckchen auf eine Plattform mit einem Loch geworfen werden.
Das Modell analysierte die Umgebung, legte räumliche Koordinaten fest und berechnete die Gelenkbewegungen des Körpers, die für die Aufgabe nötig sind. Anschließend erzeugte es eigenständig den Code für eine Simulation, mit der sich das Verhalten des Roboters vorbereiten ließ.
NVIDIA Flora soll Robotervideos rund 125-mal günstiger annotieren als GPT-6 Astra
Dieses Verhalten wurde auf Apollo, den humanoiden Roboter von Apptronik, übertragen. Im physischen Test gelangen Apollo laut Google DeepMind sieben Würfe in Folge. Das Ergebnis entspricht der vom Unternehmen angekündigten Demonstration.
Video-to-Sim-to-Real: Roboter-Training laut DeepMind in Stunden statt Wochen
Google DeepMind nennt die Methode „Video-to-Sim-to-Real“. Gemeint ist ein Ablauf, der vom Video über die Simulation bis zur Ausführung in der realen Welt reicht.
Nach Angaben des Unternehmens lässt sich damit die Modellierung von Robotersimulationen, die normalerweise mehrere Wochen manueller Vorbereitung erfordert, auf wenige Stunden verkürzen.
Das Prinzip: Gewöhnliche Videos dienen als Trainingsmaterial, statt jede simulierte Umgebung und jedes Verhalten von Hand aufzubauen. Google DeepMind stellt die Methode als Möglichkeit dar, die Zahl der Lernsituationen zu erhöhen und zugleich weniger Eingriffe durch Ingenieure zu benötigen.
Für Unternehmen im Bereich humanoider Robotik zeigt die Demonstration eine industrielle Perspektive auf: Physische Fähigkeiten ließen sich schneller entwickeln, wenn allgemeine KI-Modelle den Simulationscode selbst erzeugen.
ERQA-Benchmark: Gemini 4 Argon erreicht 87 % beim räumlichen Schlussfolgern
Google DeepMind hat Gemini 4 Argon zudem auf dem Benchmark Embodied Reasoning, kurz ERQA, getestet. Er soll messen, wie gut ein Modell physikalisch und räumlich in dreidimensionalen Umgebungen schlussfolgern kann.
Laut Google DeepMind erzielte Gemini 4 Argon in diesem Test 87 %. Der Wert beschreibt die Leistung des Modells im ERQA-Benchmark und nicht die Erfolgsquote des Roboters Apollo bei einer physischen Aufgabe.
Die Bewertung stützt die Positionierung von Gemini 4 Argon als Modell für komplexe Aufgaben in Engineering, Programmierung und naturwissenschaftlicher Forschung sowie für professionelle Anwendungen.
Gemini 4 Argon für Robotik und Industrie: weitere Einsatzfelder und API-Zugang
Über die Zusammenarbeit mit Apptronik hinaus präsentiert Google Gemini 4 Argon als Technologie, die sich in mehreren Forschungs- und Engineering-Bereichen einsetzen lässt.
Nach eigenen Angaben hat das Unternehmen das Modell bereits in Projekten zur Optimierung großer Codebasen genutzt, außerdem in Arbeiten zu Quantencomputing, Kernfusion und Lebenswissenschaften.
Gemini 4 Argon ist inzwischen über die KI-Produkte von Google und die Gemini-API verfügbar. Damit lässt sich das Modell auch jenseits der Robotik-Demonstration mit Apollo nutzen.
Für Google DeepMind und Apptronik zeigt der Versuch, wie sich fortgeschrittenes KI-Schlussfolgern auf physische Systeme anwenden lässt: mit einer Trainingskette, die Videoanalyse, Simulation und Ausführung auf einem humanoiden Roboter direkt miteinander verbindet.