以GPT-6 Astra为代表的通用大模型，虽然让机器人具备了强大的视觉和语义理解能力，但因为缺少高频的力学计算和本体感觉，导致“大小脑”之间严重脱节，只能输出缺乏动态修正的“盲操指令”。这种“懂语义、不懂物理”的认知短板，使得机器人的实际表现极不稳定：有时展现出惊人的灵巧操作，有时又陷入低级的碰撞或失控。
而谷歌最新发布的Gemini 4（Argon）为弥合这一裂痕提供了一种新思路。在其技术博客中，Argon被明确定位为一种专注于物理世界交互的通用物理推理模型。抛开发布初期的行业热议，当我们重新审视其能力基础时，发现Argon最核心的优势在于其更出色的物理常识。
在ERQA具身推理基准测试中，Argon取得了87%的高分，超过了Claude Opus 5.5（82.3%）、GPT-6 Astra（81%）等前沿大模型，展示了Argon强大的物理常识基础。
在看到Argon的表现后，Google DeepMind资深机器人科学家Konstantinos Bousmalis感叹道：“Argon目前展现的能力已经让我感到震撼，更不用说它未来的发展潜力了！这将对机器人技术带来巨大的变革。”
支撑他这份惊叹的，正是Argon在实际测试中交出的全链路答卷。凭借原生的三维物理理解、长程代码生成和视频时空推理能力，Argon作为核心物理编译器，单枪匹马地取代了以往复杂的算法组合和团队分工，打通了从控制执行、仿真重构、数据标注到自我改进的机器人全生命周期：
零微调直接应用，抓空后自行纠错
在机器人控制执行环节，通用大模型长期以来的痛点在于测不准距离、抓空易卡死、盲目硬撞。而Argon的核心作用是充当一个自带“物理直觉”和“及时停止”的原生闭环大脑，将粗放的语义指令转化为精准的物理微操。
为什么Argon能在不做任何机器人专项微调的情况下，直接控制真机？首先来看它的底层成绩单：
一方面是极高的三维物理认知：
除了上文提到的Argon在考验空间推理和物理常识的具身推理基准ERQA上获得最高分87%以外，它在跨领域自动化基准AutomationBench上，同样以51.3%拔得头筹。这赋予了它读懂坐标标尺、算准空间位置的底层能力。
另一方面是“及时停止”：
在独立评测机构Artificial Analysis的AA-Omniscience测试中，GPT-6 Astra与Claude Opus 5.5的幻觉率分别高达51%和59%，而Argon将幻觉率压制在15%，不到竞品的三分之一。这意味着，面对知识边界和不确定的问题，Argon在该项测试中更少给出错误但自信的回答。如果放在机器人语境中，可以理解为它为真机装上了一道“最后关卡”——看不清时不盲目指挥，而是先核实再行动。
所谓的“幻觉率”，衡量的是当大模型遇到自己看不清或拿不准的问题时，有多大可能会“不懂装懂、自信地编造一个错误答案”，而不是承认不确定性并停下来核实。
谷歌给出的第一个实际测试场景是多智能体协同控制-机器狗投掷垃圾：
一只腿部12个自由度、机械臂6个自由度的波士顿动力Spot机器狗，接到的是一项高难度连贯任务：把前方的可乐罐捡起来，扔进带有脚踏板的黑色垃圾桶里。这并非简单的抓取和放置，机器狗需要先用三条腿站稳，腾出右前腿去踩开垃圾桶踏板，同时机械臂还要找准时机将易拉罐送入桶口。
面对极其考验手脚配合的操作，Argon采用了“先虚拟预演、再多智能体核验”的控制策略：
如果说机器狗扔垃圾靠的是“先演练、再互查”，那要是遇到完全陌生、也无法提前搭建仿真的任务，Argon还能应对吗？
紧接着的第二个实验，就是厘米级动态纠错（机械臂扶正水杯）：
在零样本的桌面实机操作下，面对倒下的水杯，Argon并没有让机械臂执行危险的“开环盲抓”，而是采用了一套极具容错率的视觉伺服策略：
第三个实际测试是零雷达安全避障（宇树人形实测验证）：
一位刚入手宇树（Unitree）人形机器人的开发者在Hacker News社区里分享了实测体验：在关闭宇树人形机器人激光雷达、仅靠纯视觉控制时发现：相比于其他大模型带着机器人撞向桌椅，换上Argon后，机器人快走到桌前会主动放慢脚步、拐弯避障，最后稳稳绕到桌子正前方辨认物品。
看到Argon的表现，Google DeepMind资深研究科学家Thomas Kipf在X上直言：“前沿大模型如今已经能够直接实现零样本机器人控制，Argon在这领域展现出的能力太让人振奋了。”
这一系列实际测试表明，通用大模型正在跳出单纯的“高层任务拆解”，展现出基于视觉反馈的原生闭环控制能力。
随手一张图，秒建物理仿真
在机器人的研发全链路中，实机微操往往是最后一步；而在启动真机之前，构建高保真的数字孪生环境进行虚拟预演，又是一道难以跨越的工业门槛。
以前搭建一个虚拟环境全靠工程师“手搓”，需要用尺子测量物体大小、手写几百行建模代码，并反复调试物体的质量与摩擦力参数，动辄耗费数周时间。如今，Argon练出了第二项绝活——看一眼现实画面，就能全自动生成物理仿真环境（Real2Sim）。
Argon将这一繁重的物理重构过程，压缩成了极度简化的“自动翻译”（Real2Sim）——只需输入一段现实画面或草图，便能直接输出可运行的3D物理引擎代码。
视频1:1孪生（解构机器人录像）
第一组实验是先给Argon播放一段第三视角的真实机器人遥操作视频。接收录像后，Argon能直接生成MuJoCo引擎的三维数字孪生代码，并通过视觉反推，自动补齐物体的质量与关节阻尼。
在严禁代码作弊（如偷偷添加虚假外力或直接修改物体坐标）的前提下，其构建的虚拟环境连灵巧手指尖的物理接触动力学，都能与真实录像严丝合缝地对齐。
跨物种动作映射（解构人类视频）
与第一组相比，第二组实验是一段以人类第一视角为主的双手拿放物品的视频。
即使面对骨骼结构截然不同的人类双手拿放视频，Argon也能将人手动作精准转化为关节逆运动学（IK）代码，并无缝“移植”至一台全身76个关节、配有22个自由度五指灵巧手的人形机器人上。
在生成的虚拟空间内，机器手全凭原生指尖摩擦力稳稳抓取物品，全程无穿模与打滑现象。
这一组比较夸张的是，哪怕连视频都没有，工程师仅凭一张随手画的“人形机器人丢球砸倒桌上6个金字塔堆叠箱子”的简笔草图拍照上传，Argon也能瞬间读懂二维笔触背后的三维空间排布，自动写出物理仿真环境与140步全身抛投轨迹，在闭环物理引擎中实测验证“6个箱子被一击全中”后，顺手还调用Blender渲染出了一段光影逼真的视频。
凭借这种“看图即建模、写码即仿真”的能力，Argon不仅在工业级测试中大放异彩，更迅速向下兼容，成为了社区开发者手中的“破圈”利器。
随着Antigravity平台上线，有开发者用手机拍摄了几张杂乱的办公桌照片，上传之后，Argon便转眼调起Blender和Three.js引擎，将真实的键盘与水杯逆向还原成了一个带有真实碰撞效果的3D桌面赛车游戏。
甚至有极客玩家，直接让Argon从零编写机械臂模型、配置网页3D仿真与控制接口，在毫无人工干预的情况下，现场“组装”出了一台能自动还原魔方的虚拟机器人。
看一眼画面，就能自动写出全套3D物理引擎代码，这种跨模态工程能力的背后，源于Argon极致的代码生成与三维几何推理能力。
在官方公布的数据中，Argon不仅拿下了3D空间与蓝图几何基准Blueprint Bench 2的榜首，更在真实软件工程基准DeepSWE v1.1上拿下77.9%（第一），在应用构建基准Vibe Code Bench上斩获91.9%（第一），超越Claude Opus 5.5（74.2% / 90.3%）与GPT-6 Astra（74.1% / 89.6%）。
依托三维空间感知与代码工程实力，Argon打通了从二维视觉输入到三维物理仿真代码（Real2Sim）的全自动生成闭环，让高门槛的物理仿真建模变成了“看图即建模、写码即仿真”的自动化工程。
化身质检员，揪出废动作
教机器人干精细活，数据质量历来是最大瓶颈。由于人类遥操作录像不可避免地夹杂着停顿与抓滑等瑕疵帧，直接投喂会教出动作笨拙的机器人，而人工逐帧清洗又面临着极高的成本壁垒。
而Argon给出了一个颠覆性的解法：Argon不仅仅是一名操作者，更是一名“通用视频质检员”。凭借原生的长视频理解能力，Argon无需单独训练专门的奖励模型，就能看懂“哪些动作有效、哪些动作是废操作”，从而自动完成海量数据的高优清洗：
四层语义解构（双臂折纸狐狸）
视频画面中，双臂ALOHA 2机器人正在将一张正方形纸折成狐狸的样式。折纸看似简单，对机器人却颇具挑战：一只机械臂要固定纸张，另一只则要配合折叠、旋转和压平折痕。操作过程中，夹爪难免出现抓握不稳、停顿和反复尝试的情况。
Argon通读视频后，给出一套与视频时间轴对应的四层标注：
基于此，后续模型在学习时就会自动忽略这些手滑的废动作，只吸收干净利落的正确操作。这也意味着原本需要人工逐段检查和标注的操作数据，如今可以由通用大模型辅助完成处理。
实时状态推演（双臂分拣戒指）
除了挑错，Argon还能精准判定任务进度。在穿戴式夹爪的三机位同步录像中，面对60秒的复杂操作，Argon充当起了“通用价值函数”。它能围绕手指接触戒指的瞬间，画出实时起伏的任务进度曲线，将哪一步在推进、哪一步在停顿、哪一步在倒退，拆解成了28个逻辑极其清晰的训练片段。
能把一帧帧像素画面，看懂成“物理状态的有效推进”，离不开Argon原生的长视频理解能力。在长视频理解基准LVBench上，Argon直接打出了91.7%的全场最高分，大幅甩开了GPT-6 Astra的87.5%、Claude Opus 5.5的83.7%以及Claude Fable 5.1的79.7%。
这意味原本需要耗费庞大的人力团队去逐段检查、打标和剔除的操作数据，如今完全可以交由Argon自动化流水线完成。它不仅将工程师从繁琐的数据泥潭中彻底解放出来，更让机器人底层控制模型（如VLA）只吸收干净利落的正确操作，从源头上保证了“微操”的下限。
自己造数据飞轮
当一个底座模型既能全自动搭建仿真，又能化身质检员清洗数据时，将这两项原生能力在底层闭环耦合，便催生出了物理世界里的“自主改进”。
在研发链路的最顶层，Argon摒弃了传统人工喂数据的被动模式，单凭强大的长程推理能力，便跑通了从“三维重建、任务编排到批量合成”的完整自我改进飞轮：
零样本虚拟造数（双臂桌面实测）
研究人员只给了Argon一张双臂Franka机器人工作台的俯视静态照片，桌上散落着红色的帽子、眼镜等9件派对的拍照道具。
没有任何人工协助，Argon单凭一张静态照片，就全自动跑通了从三维重建、任务编排到批量合成训练数据的完整飞轮：
先照着照片里9件道具的尺寸、颜色和姿态，在MuJoCo里一比一重建了3D虚拟桌面，甚至给软毛绒帽加上了带弹簧铰链的可变形皇冠；
接着自己编排了包括单双臂抓取、扶正、推物、空中交接在内的77项训练科目，并在不断随机变换道具位置的虚拟环境里，一口气自动采集了超过4,500条成功的训练轨迹。
研究人员拿Argon自己造出来的4,500多条虚拟经验，去微调通用的视觉-语言-动作（VLA）模型并装回真实的双臂机器人身上，效果立竿见影：在不增加任何一条真机采集数据的情况下，真机干活的平均成功率直接从56%飙升到了75%，平均完成时间更是从35秒缩短到了24秒。
真机自主复盘纠错（单臂乐高分拣）
在真实硬件上，Argon同样展现出自我纠错能力。在操控6自由度机械臂抓取积木时，它每完成一轮便主动调取运行日志与录像进行“复盘”。发现上一次放积木擦碰边缘后，下一把立刻主动修正轨迹。仅需3轮自我迭代，操作耗时便从首轮的58.9秒压缩至17.4秒，任务耗时减少约70%。
前沿论文一键复现（算法沙盒复刻）：
最后，谷歌展示了一个跨模态的自动化工程实践：用一句话（One-prompt）把机器人论文复现进浏览器里。
哪怕是《DeepLoco》、《HUSKY》、《Whole-Body MPC》这类具有复杂控制网络与轨迹优化算法的论文，研究人员也只需输入一句提示词，连同论文PDF与开源权重一并丢给Argon。Argon便能通读全文并精准还原电机增益等物理参数，直接生成可交互的网页仿真沙盒。更关键的是，它还会自主调用无头浏览器（Headless Chromium）连跑300帧完成零报错自检。目前，已有68篇论文完成了全自动复现。
从榜单上看，在GraphWalks百万上下文推理榜单（256K–1M）上，Argon拿下了84.2%的高分，领先GPT-6 Astra（71.8%）、Claude Opus 5.5（66.8%）和Claude Fable 5.1（65.0%）超过12个百分点，并支持高达100万Token的上下文窗口，展现出处理复杂长程任务的潜力。
此外，谷歌CEO Sundar Pichai分享的一项极限测试更是印证了其工程耐力：面对复杂的机械CAD图纸，Argon在无人干预的情况下，自主执行了1,000轮“写代码、看渲染图、修代码”的极限闭环，最终交出了一段丝滑的工业级爆炸拆解动画。
由此可见，Argon已将仿真生成、动作质检与超长程代码工程彻底打通，真正成为了驱动机器人算法自我改进的自动化引擎。
正如人形机器人明星公司Agility Robotics的AI负责人Chris Paxton所感叹的：以Argon为代表的前沿模型，正在从根本上改变行业对机器人通用智能构建方式的既有假设。
当通用机器人的迭代不再依赖庞大的人工工程堆砌，而是交由底座模型的算力与物理认知来驱动时，物理智能（Physical AGI）的自我改进飞轮，才算真正开始转动。
资料链接：
https://x.com/GoogleDeepMind/status/2110078384617464201
https://artificialanalysis.ai/evaluations/omniscience#aa-omniscience-hallucination-rate
本文来自微信公众号 “AI前线”（ID：ai-front），作者：韦思维，36氪经授权发布。