Google DeepMind показала, как нейросеть Gemini 4 Argon может обучить робота новому физическому навыку по одному видеоролику. В ходе демонстрации гуманоид Apptronik Apollo освоил игру в корнхол и, по заявлению разработчиков, выполнил семь успешных бросков подряд.
Корнхол представляет собой игру, в которой участники бросают небольшие мешочки на наклонную доску с отверстием. В эксперименте Gemini 4 Argon получила видеозапись человека, выполняющего броски, проанализировала расположение объектов и рассчитала движения, необходимые для повторения действия. Затем нейросеть самостоятельно написала программный код физической симуляции, в которой робот мог отрабатывать новый навык.
Главная особенность разработки заключается в переходе от обычного видео к работающей трёхмерной модели окружающего пространства. Gemini оценивает расстояния, положение предметов, особенности их взаимодействия и физические ограничения, после чего создаёт виртуальную среду для тренировки. Роботу не требуется механически копировать движения человека. Система должна подобрать движения с учётом конструкции самого устройства, его суставов и возможностей приводов.
Второй эксперимент оказался ближе к повседневным задачам. Четвероногий робот Spot от Boston Dynamics научился выбрасывать банки в мусорную корзину с ножной педалью. В демонстрации Gemini 4 Argon сначала создала цифровую модель корзины и её механизма в физическом симуляторе MuJoCo. Spot отрабатывал равновесие на трёх ногах, пока четвёртой нажимал педаль, открывающую крышку. После виртуальных тренировок робот повторил последовательность с настоящей корзиной, используя манипулятор для перемещения банки.
Показанный подход позволяет проверять движения без риска повредить дорогое оборудование. В виртуальной среде робот может ошибаться, менять траектории и отрабатывать взаимодействие с предметами, не расходуя ресурсы механических узлов. Особую сложность представляет перенос навыков в реальность, поскольку симулятор не всегда точно воспроизводит трение, массу предметов, работу датчиков и другие физические особенности окружающего мира.
Google провела отдельное испытание, начав с одной фотографии рабочего стола. Gemini 4 Argon построила трёхмерную симуляцию для роботизированных манипуляторов, сформировала программу из 77 задач и создала более 4500 виртуальных эпизодов обучения. После использования полученных данных доля успешных действий реального робота, по результатам внутренних тестов, выросла с 56% до 75%, а среднее время выполнения задачи сократилось с 35 до 24 секунд.
Разработчики также проверили способность модели рассуждать о физическом пространстве. В тесте ERQA, оценивающем понимание трёхмерных сцен, расположения объектов и физических взаимодействий, Gemini 4 Argon набрала 87%. Google утверждает, что результат превосходит показатели других передовых моделей. Однако высокий балл в таком тестировании сам по себе не доказывает, что робот сможет столь же успешно выполнять незнакомые действия за пределами подготовленной экспериментальной среды.
Обучение роботов в компьютерных симуляторах существует давно. Разработчики используют виртуальные полигоны для тренировки ходьбы, удержания равновесия и сложных манипуляций, а затем пытаются перенести навыки на реальные механизмы. Отличие нового подхода Google заключается в автоматизации подготовки самой среды. Вместо ручного моделирования предметов, настройки физических параметров и написания значительной части управляющего кода разработчики могут поручить подобную работу универсальной языковой модели.
Подобная автоматизация потенциально сокращает время подготовки роботов к новым задачам, особенно когда условия постоянно меняются. Для складских комплексов, производственных линий и сервисной робототехники возможность построить тренировочную среду по видеозаписи или фотографии могла бы уменьшить объём ручной работы инженеров. Однако Google пока не представила сравнительных данных о стоимости и скорости такого обучения относительно традиционных методов.
Все опубликованные результаты относятся к демонстрациям и внутренним испытаниям Google. Независимых подтверждений успешности экспериментов пока нет. Компания также не раскрыла полной статистики попыток, предшествовавших семи удачным броскам Apollo, и не показала, насколько устойчиво сформированные навыки работают при изменении условий. Кроме того, один видеоролик служил исходным материалом для конкретной задачи, а не заменял предварительное обучение самой Gemini и программную инфраструктуру роботов.
Google представила Gemini 4 Argon 13 октября 2026 года. Помимо робототехники, новая модель ориентирована на программирование, сложные многоэтапные задачи и научные исследования. Однако именно эксперименты с физическими устройствами показывают одно из наиболее интересных направлений развития универсальных нейросетей. Искусственный интеллект постепенно переходит от анализа изображений и генерации программ к созданию виртуальных физических сред, в которых машины могут готовиться к действиям в реальном мире. Пока речь идёт о контролируемых экспериментах, а не о роботах, способных самостоятельно освоить любую работу после просмотра короткого видео.
