Gemini 4 Argon: DeepMind zeigt Robotik-KI mit 87% im ERQA-Benchmark

👁 130 Aufrufe

„Gemini 4 Argon for Robotics“ ist kein eigenes Robotikmodell, sondern Googles allgemeines Modell Gemini 4 Argon, angewendet auf Roboter. Laut Google erreicht es im Benchmark ERQA für räumliches und physikalisches Denken 87 Prozent, allein durch Schlussfolgern und nach Herstellerangabe vor allen anderen Frontier-Modellen. Vorgestellt hat das am 13. Oktober 2026 Kanishka Rao, Principal Software Engineer bei Google DeepMind. Nutzen lässt sich Argon dafür schon jetzt: über die Gemini API (kostenpflichtiger Tarif), in Google AI Studio und in Google Antigravity für Abonnenten von Google AI Ultra.

87 Prozent im ERQA-Benchmark, gemessen von Google

ERQA (Embodied Reasoning Question Answering) prüft, ob ein Modell Fragen zu physischen Situationen beantworten kann: wo Objekte im Raum liegen, was bei einer Bewegung passiert, welche Handlung als Nächstes sinnvoll ist. Google gibt für Argon 87 Prozent an und schreibt, das Modell übertreffe damit jedes andere Frontier-Modell. Die Werte der Konkurrenz zeigt der Blogbeitrag nur in einer Grafik, nicht im Text, und eine unabhängige Nachmessung gibt es bisher nicht. Die Zahl ist daher als Herstellerangabe zu lesen.

Spot lernt im Simulator, bevor er in den Mülleimer zielt

Das anschaulichste Beispiel ist der vierbeinige Roboter Spot von Boston Dynamics mit Beinen mit 12 Freiheitsgraden und einem Greifarm mit 6 Freiheitsgraden. Die Aufgabe: Getränkedosen, im Prompt zwei Dosen Diet Coke, aufheben und in einen Treteimer werfen. Spot hebt die Dose auf, tritt mit einem Fuß auf das Pedal, damit der Deckel aufgeht, und lässt die Dose dann über der Öffnung los. Argon baut zuerst einen beweglichen digitalen Zwilling des Eimers im Physiksimulator MuJoCo und übt dort. In der echten Ausführung prüfen zwei Kontrollschritte, ein Fuß-Verifier und ein Hand-Verifier, ob das Pedal getreten ist und die Hand im Raum über dem Eimer steht, bevor die Dose losgelassen wird.

Simulationen aus Kamerabildern, Videos und Handskizzen

Google beschreibt Argon als Modell für den gesamten Lebenszyklus eines Robotiksystems. Neben der Steuerung zeigt der Beitrag drei weitere Bereiche:

• Real2Sim: Argon baut Simulationen aus den synchronisierten Kopf- und Handgelenkkameras eines Roboters, aus Videos, die Menschen aus der Ich-Perspektive aufgenommen haben (übertragen auf einen zweiarmigen Humanoiden mit 76 Freiheitsgraden), und sogar aus Fotos von Stiftskizzen auf Papier.
• Nachträgliches Beschriften von Trainingsdaten: Ein 136 Sekunden langes Video, in dem ein zweiarmiger ALOHA-2-Roboter einen Origami-Fuchs faltet, zerlegt Argon in ein Gesamtziel, 6 Teilaufgaben und 17 Einzelbewegungen. Stellen, an denen der Roboter herumprobiert, gewichtet es für das Imitationslernen mit dem Faktor 0,15 bis 0,25 herunter.
• Forschung und Selbstverbesserung: Argon verbessert Bewegungsabläufe in der Simulation und iterativ auf echter Hardware.

Zero-Shot-Steuerung über curl-Befehle

Im vierten Beispiel steuert Argon ohne vorheriges Training auf der Hardware einen einfachen Roboterarm: Er soll einen umgefallenen Becher aufstellen und eine zerknüllte Serviette hineinlegen. Das Modell sieht das Kamerabild mit einem eingeblendeten Koordinatenraster in 2-Zentimeter-Schritten, fragt den Zustand per curl von einer lokalen Schnittstelle ab und schickt Bewegungsbefehle als POST-Anfrage. Über mehrere Runden beobachtet es, plant den nächsten Schritt und führt ihn aus. Für Entwickler ist das der interessanteste Teil: Das Modell spricht direkt mit einer einfachen HTTP-API, ohne eigene Übersetzungsschicht zwischen Sprachmodell und Robotersteuerung.

Was das für Robotik-Teams bedeutet

Google spricht von einem Meilenstein auf dem Weg zu „physischer AGI“. Belegt sind bisher die gezeigten Demos und der selbst gemessene ERQA-Wert. Für Teams, die Roboter in Lagern, Labors oder Werkstätten einsetzen, ist die praktische Frage eine andere: Argon ist über die Gemini API verfügbar, also lässt sich mit eigenen Aufgaben prüfen, ob die Planung auf der eigenen Hardware so zuverlässig funktioniert wie im Video. Die API kostet bei Argon bis 30. November 2026 2 USD pro Million Input-Tokens und 10 USD pro Million Output-Tokens, danach 4 / 20 USD. Wie sich Argon sonst schlägt und was das neuere Gemini 4 Carbon ändert, steht im Gemini-4-Argon-Überblick.

// weiterlesenÄlter als Stonehenge: Ein hölzerner Prototyp zeigt, dass die Sonnenwendfeiern viel früher begannenArchäologieWald oder Baum: Wie viele menschliche Prüfer braucht ein reproduzierbarer KI-Benchmark?AlgorithmenGoogle zeigt Gemini 4 Argon: 1 Million Output-Token und KampfpreiseNachrichten

Kinetyra