Gemini 4 Argon 与 Genie 4:DeepMind 的模型如何改变机器人技术中的仿真

编辑者: Svitlana Velhush

We’ve been busy shipping 🚢 Here’s a recap of the last couple of weeks: — Gemini 4 Neon, our newest model that brings frontier-level intelligence with fast end-to-end task completion across complex software engineering, knowledge work, and science workflows — Gemini 4 Hydrogen,

Reply

20 月 2026 年,Google DeepMind 宣布推出 Gemini 4 和 Genie 4 模型的新版本,这些版本大幅拓展了生成逼真世界仿真及其在机器人训练中应用的能力。这些更新基于此前在世界模型和视觉-语言-动作系统领域的积累,但在实时性和多模态方面引入了关键改进。

Genie 4 是一种原生多模态世界模型,它不仅能在 24 fps 下生成分辨率最高达 720p 的视觉场景,还能生成同步的音频内容:环境音、音乐和角色对话。该模型整合了 Gemini Omni 的能力,用于将仿真锚定在现实世界中,并整合了其他 Gemini 变体,以维持场景的连贯性和连续性。用户可以通过文本提示实时影响仿真——改变天气、引入物体或角色——而 Gemini 组件会结合上下文调整这些变化,并确保其符合物理合理性。

在机器人技术领域,Gemini 4 Argon 发挥着关键作用,它充当仿真引擎。它基于真实视频场景生成数千个多样化的模拟运行,创建数字孪生并加速技能泛化。这促成了 Gemini Robotics 2.5 的开发——这是迄今为止最先进的 VLA 模型。据 DeepMind 称,与在超过 200 项任务(包括处理可变形物体和精细工具)上测试的先前版本相比,该模型的任务成功率提升了 30–100 %(具体取决于任务类型),执行速度加快了 20–30 %。

评估方法既包括实验室测试,也包括真实试点,例如在 Mercedes-Benz 生产线上使用 Apptronik Apollo 2 机器人进行的试点,其中零件装配任务达到了 96 % 的成功率。然而,DeepMind 并未公布与外部模型对比的详细基准测试,而是侧重于内部指标和可引导性——即实时规避危险的能力。这留下了关于可复现性以及与其他实验室并行方法(例如 OpenAI 或 Boston Dynamics 在具身 AI 领域的工作)进行比较的疑问。

在世界模型的格局中,Genie 4 建立在 Genie 3 之上,将连贯仿真的时长翻倍并添加了原生音频,这使 DeepMind 的方法有别于 Runway 等纯视觉生成器。与用于机器人技术的 Gemini 4 Argon 集成,形成了一个闭环:仿真加速 VLA 模型的训练,而这些模型反过来又提升仿真的质量。与此前主要从现实世界收集数据的迭代相比,这是一次战略转变。

下游影响包括加速物理智能的开发:机器人能更快地适应新环境,这为工业规模化开辟了道路。然而,目前仍不清楚这些技能在已测试的 200 项任务之外的可泛化程度,以及该模型在没有额外检查的情况下如何应对长期智能体场景。

悬而未决的问题涉及对所述改进的独立验证及其对安全性的影响——DeepMind 发布了 ASIMOV-Jailbreak 基准测试,其中 Argon 表现出 99,5 % 的稳健性,但不受控环境中的真实风险仍需社区进一步研究。

因此,Gemini 4 与 Genie 4 的结合将重点从孤立模型转向集成的仿真-训练回路,这使具身 AI 的下一步更加触手可及。

4 查看

来源

  • News — Google DeepMind

  • deepmind.google

  • deepmind.google

评论

阅读更多关于此主题的文章:

你发现了错误或不准确的地方吗?我们会尽快考虑您的意见。