📖 AI 总结

Google 发布 Gemini 4 Argon，试图以单一模型覆盖机器人训练的完整流程：控制机器人本体、生成可交互的虚拟训练环境，以及评估训练数据。该模型强化了对空间关系的理解、控制代码编写和视频物理含义的解读能力。演示中，Argon 先为波士顿动力 Spot 机器人构建垃圾桶的虚拟副本，让其在 MuJoCo 仿真中练习用三条腿保持平衡并踩踏板，再由两个额外 AI 代理核验足部与夹爪位置，最后才在真实硬件上执行任务。另一案例中，模型仅凭一张桌面照片便生成 77 项任务和超过 4500 条训练片段，使真机成功率从 56% 提升至 75%，执行时间由 35 秒缩短至 24 秒。不过演示仍依赖详细的人工提示与引导，Argon 目前通过谷歌付费开发者计划开放。谷歌将其视为迈向“物理 AGI”的一步。