Gemini 4 Argon面向机器人，提升物理理解
原文：Gemini 4 Argon for Robotics
Gemini 4 Argon 标志着物理理解、代码生成和视觉语义推理方面的跨越式进步——解锁了机器人技术栈的全新工作流，并加速了迈向物理 AGI 的进程。在 Embodied Reasoning（ERQA）基准测试上，你可以看到这一能力飞跃，该测试衡量模型理解和解决 3D 环境中物理、空间问题的能力。仅凭纯推理，Argon 就取得了 87% 的成绩，超越了所有其他前沿模型。作为一个通用物理推理模型，Argon 可以应用于整个机器人生命周期。在这篇文章中，我们分享了 Argon 在四个关键领域的代表性提示词：Argon 控制一台 Boston Dynamics Spot® 四足机器人（12 自由度腿 + 6 自由度机械臂）学习一项新技能：踩下脚踏式垃圾桶的踏板来扔汽水罐。Argon 创建了一个脚踏式垃圾桶的铰接式 MuJoCo 数字孪生体，在踩下物理踏板并将汽水罐丢入打开的垃圾桶之前练习动作。提示词：你身后有一罐 Diet Coke，左边黑色桌子上还有一罐。使用 spot-mobile-manipulation 技能将它们捡起并扔进黑色脚踏式垃圾桶。在踩下踏板之前，通过前置摄像头确认你的右前脚目标位于踏板中央，并使用一个 2 智能体验证集群（脚部验证器和手部验证器）在释放前验证脚踏动作和 3D 手入桶对齐。Argon 控制一个简单的机械臂将一个倒下的杯子扶正，并将揉皱的餐巾纸放入其中。Argon 通过视觉坐标约束和动作原语进行推理，在多个回合中完成此任务。[附件：wrist_cam.png, obs.json] 任务：让机械臂将杯子重新扶正，并将餐巾纸放入杯子中。## 执行纪律 - 只需输出 1 句观察，紧接着输出你的 curl 命令（第 1 回合使用 # Plan:，每回合使用 # Thought:）。所需的一切都在 obs.json 和 c 中