Vom Video zum Wurf: Googles Gemini 4 Argon bringt Robotern neue Aufgaben bei

Google DeepMind hat mit der breiten Freigabe seines neuen Spitzenmodells Gemini 4 Argon am Dienstag auch Robotik-Demonstrationen veröffentlicht. Im bekanntesten Beispiel schaut sich das Modell ein kurzes Video an, in dem ein Mensch beim Cornhole Säckchen auf ein Brett wirft. Argon überträgt Armschwung und Abwurfpunkt auf die Gelenke des humanoiden Roboters Apollo der Firma Apptronik, baut eine Physiksimulation von Roboter und Brett und lässt ihn dort üben. Danach versenkte der echte Roboter nach Angaben von Google sieben Würfe in Folge.

In einer zweiten Demo steuert Argon einen Laufroboter Spot von Boston Dynamics mit Greifarm: Er tritt auf das Pedal eines Mülleimers und wirft eine Getränkedose hinein. Vorab testet das Modell in der Simulationsumgebung MuJoCo, ob der Roboter auf drei Beinen das Gleichgewicht hält. Aus einem einzigen Foto eines Tisches erzeugt Argon zudem eine digitale Kopie mit mehr als 4.500 Trainingsvarianten – die Erfolgsquote des echten Roboters stieg damit laut Google von 56 auf 75 Prozent.

Google nennt das Verfahren „Video-to-Sim-to-Real“. Auf einem Test zum räumlichen Verständnis (Embodied Reasoning) kommt Argon nach Konzernangaben auf 87 Prozent und liegt damit vor anderen Spitzenmodellen. Nutzbar ist das Modell seit Dienstag über die Gemini-Programmierschnittstelle sowie für Abonnenten von Google AI Pro und Ultra; unabhängige Tests der Robotik-Ergebnisse stehen noch aus.