Google lance Gemini 4 Argon pour la robotique simulée

Google présente Gemini 4 Argon, un modèle d’IA conçu pour regrouper simulation, contrôle et évaluation des données en robotique. Des démonstrations montrent des améliorations mesurées après entraînement virtuel, tandis que des benchmarks livrent des classements différents. L’accès est pour l’instant réservé aux offres payantes de l’écosystème Google.

Benchmarks et mesures : 87 % sur ERQA, 55/100 sur AA-Robotics

Selon Google, Gemini 4 Argon atteint 87 % au benchmark ERQA, un test de 400 questions de raisonnement physique et spatial sans outils d’aide. Dans cette même évaluation, Claude Opus 5.5 est à 82,3 %, GPT-6 Astra à 81 % et Claude Fable 5.1 à 74 %. Un autre test, AA-Robotics d’Artificial Analysis, publié un jour plus tard et fondé sur huit tâches réelles avec un bras robotique, place Argon troisième avec 55 points sur 100, derrière GPT-6 Astra (69) et GPT-6.1 Sol (65). Au-delà des classements, des mesures issues des démonstrations sont fournies. Après génération d’épisodes d’entraînement, un test sur robot réel voit le taux de réussite passer de 56 % à 75 % et le temps d’exécution de 35 à 24 secondes. Dans une autre séquence, le tri de lettres pour former « ARGON » aboutit en 33 étapes. Sur une tâche de placement d’une brique Lego, la première tentative dure un peu moins d’une minute, la deuxième 23 secondes et la troisième environ 17 secondes. Le taux de réussite de 75 % n’est pas assorti du nombre total de tentatives.

Ce que couvre Argon : simulation, contrôle, évaluation des données

Gemini 4 Argon est présenté par Google comme un modèle unique couvrant tout le pipeline robotique, comprenant la création d’environnements virtuels, l’écriture de code de contrôle et l’interprétation de vidéos en termes de physique. Google le décrit comme une étape vers l’AGI physique. Au-delà du contrôle, le modèle est censé évaluer la qualité des données d’entraînement : dans une vidéo de plus de deux minutes de pliage d’origami par un robot à deux bras, il segmente la séquence et marque les pauses et prises ratées afin de les pondérer moins à l’entraînement. Dans une autre vidéo de tri d’anneaux par un humain, il trace les phases de progression, stagnation et régression. Le modèle a aussi résolu en simulation une énigme de pesée avec deux bras robotiques et une balance, en identifiant la balle différente en trois pesées ou moins en lisant seulement l’inclinaison sur la caméra. Google indique avoir déjà bâti 68 environnements de reproduction d’expériences publiées, exécutables dans le navigateur.

Cas d’usage illustrés : d’une photo aux milliers d’épisodes

À partir d’une simple photo d’une table d’anniversaire, le modèle a bâti une réplique virtuelle, proposé 77 tâches et généré plus de 4 500 épisodes d’entraînement, avant d’être validé sur robot réel avec des gains de taux de réussite et de temps d’exécution. Il peut aussi partir d’un enregistrement de robot téléopéré pour obtenir une simulation semblable, y compris les lectures de force au bout des doigts, ou mapper des gestes d’une vidéo à la première personne sur un humanoïde virtuel à cinq doigts. Un simple croquis lui sert à calculer une trajectoire de lancer pour renverser six boîtes sans déséquilibrer le robot. Dans une démonstration entièrement vidéo, Gemini 4 Argon produit des instructions horodatées et Gemini Omni génère les clips, tandis qu’Argon contrôle la boucle en vérifiant image par image jusqu’à aligner cinq tuiles épelant « ARGON » en 33 étapes. Une autre séquence, avec un bras robotique et une brique Lego à placer, utilise l’auto-revue de journaux et d’images avant corrections successives, avec des durées d’exécution décroissantes. Enfin, le scénario avec Spot montre une préparation dans un double virtuel de la poubelle à pédale, un entraînement d’équilibre sur trois pattes et une double vérification par deux agents IA avant le lâcher.

Accès et positionnement dans l’écosystème Google

Gemini 4 Argon est disponible dans Google AI Studio et dans l’environnement de développement Antigravity, avec un accès réservé aux abonnés de Google AI Ultra. Le modèle peut aussi être appelé via le niveau payant de l’API Gemini. Le lancement mondial est intervenu quelques jours auparavant. Pour la robotique, Google avait déjà proposé Gemini Robotics-ER 1.6 pour la perception spatiale et la planification. D’autres acteurs travaillent aussi l’entraînement virtuel, comme World Labs pour la conversion de scènes réelles en mondes d’entraînement et DreamDojo de Nvidia pour la simulation vidéo d’actions robotiques. La spécificité avancée par Google tient à l’ambition de regrouper simulation, contrôle et évaluation dans un seul modèle, à partir d’entrées simples comme photos ou croquis.

Des résultats dépendants de prompts détaillés

Les démonstrations publiées s’appuient sur des consignes humaines précises. Google a diffusé des exemples de prompts détaillés qui encadrent fortement les tâches. Un cas présenté comme zéro-shot pour redresser une tasse renversée repose sur une image avec grille métrique et des commandes prédéfinies comme « saisir » ou « abaisser jusqu’au contact ». Pour éviter des raccourcis en simulation, des listes de prohibitions interdisent notamment la copie directe de mesures de capteurs. Google n’indique pas les taux d’échec des démonstrations individuelles, et le taux de réussite de 75 % n’est pas assorti du nombre de tentatives.