Google DeepMind 展示了一种基于视频的训练方法，利用 Gemini 4 Argon 训练 Apptronik 的 Apollo 人形机器人。该消息最早由 Roboticsandautomationnews 报道。Google DeepMind 表示，这套流程能将通常需要数周人工投入的仿真工作缩短至数小时，减少训练机器人掌握新身体技能所需的工程时间。
在一次内部测试中，Argon 观看了一段人玩投沙包游戏的原始视频。它分析了环境、绘制空间坐标，并计算出完成任务所需的全身关节运动。
随后，Argon 自主生成仿真代码，并将学到的行为迁移到 Apollo 身上。Google DeepMind 表示，在一次真实环境测试中，这款人形机器人连续七次投中目标。
Google DeepMind 将这套方法称为“从视频到仿真再到现实”流程。Apollo 连续投中七次的成绩来自真实环境测试，而所称的时间缩短则针对仿真工作。
这项演示旨在展示，通用人工智能模型如何减少训练机器人掌握新身体技能所需的人工工程工作。Google 还将 Argon 定位为可处理复杂工程、科学、编程和商业任务的模型。
Google DeepMind 还使用具身推理基准测试（ERQA）评估了 Argon。该基准用于衡量模型在 3D 环境中对物理和空间问题的推理能力。Google 表示，Argon 的得分为 87 percent。
Google 表示，该模型已用于多个项目，涵盖大型软件代码库优化、量子计算、核聚变和生命科学研究。Gemini 4 Argon 现已通过 Google 的 AI 产品和 Gemini API 提供。