ロボット制御とシミュレーションを革新する「Gemini 4 Argon for Robotics」の全貌

Gemini 4 Argon for Roboticsとは

2026年10月13日、Google Developers Blogで「Gemini 4 Argon for Robotics」が発表されました。これは、物理的理解、コード生成、視覚的意味推論において大きな進歩を遂げたモデルで、ロボティクススタック全体で新しいワークフローを可能にし、物理AGI（汎用人工知能）の実現を加速させるとされています。

特に、3D環境における物理的・空間的問題を理解し解決する能力を測るEmbodied Reasoning (ERQA) ベンチマークでは、純粋な推論のみで87%というスコアを記録し、他のフロンティアモデルを上回る性能を示しています。Argonは汎用的な物理推論モデルとして、ロボティクスライフサイクル全体に適用可能です。

Argonが実現する主要な機能

Argonは、以下の4つの主要分野でロボットの能力を向上させます。

1. ロボット制御

• Spotのモバイルマニピュレーション: Boston DynamicsのSpot®を制御し、MuJoCoでの練習を通じて、足ペダル式ゴミ箱に空き缶を捨てるなどの新しいスキルを習得させます。Argonは、物理的なペダルを踏む前に、足ペダル式ゴミ箱のMuJoCoデジタルツインを作成し、動きを練習させます。
• ゼロショット制御: シンプルなロボットアームを制御し、倒れたマグカップを起こしてナプキンを入れるといったタスクを、視覚的な座標ハーネスとアクションプリミティブを用いて実行します。
• オムニ制御: Gemini Omni World Model内でロボットを操縦し、散らばったスクラブルタイルを「A-R-G-O-N」と並べ替えるなどのタスクを、閉ループの視覚フィードバックで実行します。Argonは、中間的なロールアウトキーフレームを検査し、プロンプトを洗練させながら、タイムスタンプ付きのアクションプロンプトを生成します。

2. Real2Sim（現実からシミュレーションへの変換）

• ロボットビューからシミュレーションへ: Argonは、実際のロボットの遠隔操作エピソードを観察し、デジタルツインを開発します。これにより、器用な手との接触時に実際のオブジェクトのように見える、または振る舞うシミュレーションアセットを取得または作成します。Argonは、反復的な視覚推論ループで、シミュレーションの視覚と接触イベントを実際の記録データと一致させるようにアセットとシーンを調整します。

3. 物理的理解

• エージェント的なマルチモーダル事後ラベリング: 器用さの詳細な理解、密な価値関数、進捗推定などを含みます。

4. 研究と自己改善

• シミュレーションによるアクション改善とハードウェアでの反復的な自己改善: ロボットのパフォーマンスを継続的に向上させます。