Google punta su Gemini 4 Argon come unico modello di IA per la robotica

Gemini 4 Argon: un modello unico per l’intera catena robotica

Google presenta Gemini 4 Argon come la prima intelligenza artificiale in grado di controllare robot fisici, creare ambienti di addestramento virtuali interattivi e valutare la qualità dei dati di training, il tutto partendo da input molto semplici come foto o schizzi. L’obiettivo dichiarato è quello di ridurre la frammentazione dei tool attualmente usati nella robotica, offrendo una soluzione “one‑stop‑shop” che possa coprire l’intero pipeline, dalla simulazione alla verifica finale.

Il modello è stato sviluppato da DeepMind, la divisione di ricerca di Google specializzata in IA avanzata, e si inserisce nella più ampia strategia di “physical AGI” – un’intelligenza artificiale capace di comprendere e manipolare il mondo fisico con lo stesso livello di astrazione di un essere umano.

Come funziona: dalla foto alla simulazione

Una delle dimostrazioni più suggestive è quella con il robot Boston Dynamics Spot. Il compito: lanciare lattine di soda in un cestino con pedale. Prima di toccare il pedale reale, Argon ricrea virtualmente il cestino in un motore di simulazione MuJoCo e permette al robot di praticare l’equilibrio su tre zampe. Solo dopo aver superato la simulazione, Spot tenta il compito nel mondo reale, con due agenti IA aggiuntivi che verificano la corretta posizione del piede e della pinza.

Il processo è ricorrente in molte delle demo di Google: un singolo input (foto, video o disegno) viene trasformato in un ambiente virtuale, da cui vengono generate migliaia di episodi di addestramento. Nel caso di una foto di un tavolo con oggetti per una festa, Argon ha ricreato una replica virtuale, aggiungendo un cuscino di peluche, e ha prodotto 77 compiti diversi, generando più di 4 500 episodi di simulazione. Quando questi dati sono stati trasferiti al robot reale, il tasso di successo è passato dal 56 % al 75 %, riducendo il tempo medio di esecuzione da 35 a 24 secondi.

Input diversi, risultati analoghi

Oltre alle foto, Argon può operare su registrazioni di robot teleoperati, replicando le stesse forze percepite dalle dita, oppure su video in prima persona di un umano che esegue una presa, mappando i movimenti della mano su un avatar umanoide a cinque dita. Anche un semplice schizzo a penna—ad esempio un disegno di un robot umanoide che colpisce una piramide di scatole con una palla—viene trasformato in una simulazione fisica in cui il modello calcola il movimento di lancio necessario a far cadere tutte le scatole senza far perdere l’equilibrio al robot.

Queste capacità dimostrano la flessibilità di Argon nell’interpretare dati di natura molto diversa e nel tradurli in scenari simulati utili per l’addestramento.

Direzione di azioni tramite video IA

Un altro aspetto innovativo è la collaborazione con Gemini Omni, un modello di video‑world che genera clip mostrando come evolve una scena. Argon funge da regista: scrive istruzioni temporizzate (es. “sposta la tessera di Scrabble al centro del tavolo”) e Omni produce il video corrispondente. Argon quindi analizza ogni fotogramma, corregge i comandi successivi e guida il robot finché le cinque tessere non formano la parola “ARGON” in 33 passaggi.

Un ulteriore esempio vede un braccio robotico posizionare un mattoncino Lego in una scatola di legno. Dopo il primo tentativo, Argon analizza log e immagini, identifica l’errore (un contatto laterale) e applica una correzione. In tre iterazioni, il tempo di esecuzione è sceso da 58,9 secondi a 17,4 secondi, con il mattoncino che alla fine atterra perfettamente al centro.

Applicazioni nella ricerca e benchmark

Google intende anche usare Argon come strumento di ricerca. Con un semplice prompt, il modello ricrea esperimenti di robotica pubblicati come sandbox interattive eseguibili dal browser. Fino ad oggi ne sono state costruite 68, includendo simulazioni di calcio robotico e un umanoide su skateboard.

Nel benchmark ERQA (Embodied Reasoning Question Answering), che valuta la capacità di ragionamento spaziale in ambienti 3‑D senza ausili, Argon ha ottenuto l’87 % dei punteggi, superando Claude Opus 5.5 (82,3 %), GPT‑6 Astra (81 %) e Claude Fable 5.1 (74 %). Tuttavia, nel benchmark AA‑Robotics, che misura la performance reale su un braccio robotico in otto compiti, Argon si è classificato al terzo posto con 55 punti su 100, dietro a GPT‑6 Astra (69) e GPT‑6.1 Sol (65).

Valutazione della qualità dei dati di training

Oltre al controllo diretto, Argon è progettato per analizzare e pesare i dati di addestramento. In un video di un robot a due bracci che piega una volpe di origami, il modello segmenta la sequenza in sotto‑step, segnala pause e prese errate, e riduce il peso di quelle parti durante il ri‑addestramento. Un altro caso mostra Argon che traccia il flusso di un umano che ordina anelli, identificando fasi di avanzamento, stallo o regressione.

Un uso più ludico è stato dimostrato con il classico puzzle delle dodici palline, dove una è più pesante o più leggera. Argon ha creato una simulazione con due bracci robotici e una bilancia, leggendo l’inclinazione della bilancia da sole immagini di camera, e ha identificato la palla anomala in al massimo tre pesature.

Prompt dettagliati e limitazioni

Le demo di Google includono prompt estremamente dettagliati, con liste di proibizioni per evitare che il modello prenda scorciatoie come copiare direttamente i valori sensoriali misurati. Per esempio, per raddrizzare una tazza rovesciata, Argon riceve un’immagine con una griglia centimetrica e comandi predefiniti (“grasp”, “lower until contact”). Tali prompt mostrano quanto ancora sia necessaria l’assistenza umana per guidare il modello, soprattutto nei casi “zero‑shot”.

Google non ha divulgato tassi di fallimento per ogni demo, né ha specificato il numero totale di tentativi su cui si basa il miglioramento dal 56 % al 75 % di successo, lasciando qualche dubbio sulla robustezza dei risultati.

Accesso e disponibilità

Gemini 4 Argon è attualmente disponibile tramite Google AI Studio e l’ambiente di sviluppo Antigravity, ma solo per gli abbonati a Google AI Ultra. È inoltre accessibile attraverso il tier a pagamento dell’API Gemini. La versione globale del modello è stata rilasciata pochi giorni prima del 15 ottobre 2026.

In sintesi, Gemini 4 Argon rappresenta un passo significativo verso una robotica più integrata, capace di passare dal disegno su carta alla realtà fisica attraverso simulazioni massicce. Tuttavia, le dimostrazioni indicano che il modello richiede ancora un notevole livello di “hand‑holding” da parte degli operatori umani, e le metriche di performance, pur promettenti, necessitano di ulteriori verifiche indipendenti.