DeepMindは2026年10月12日(現地時間)、ロボティクス分野に特化した新しいモデル「Gemini 4 Argon」を発表した。同モデルは、物理的理解、コード生成、および視覚的意味推論において大幅な進歩を遂げ、ロボティクススタック全体の新たなワークフローを可能にし、物理的AGI（汎用人工知能）の実現に向けた進捗を加速するという。Gemini 4 Argonは、3D環境における物理的・空間的問題の理解と解決能力を評価するエンボディード・リーズニング (ERQA) ベンチマークにおいて、他のフロンティアモデルを上回る87%のスコアを記録した。
Gemini 4 Argonは、汎用的な物理推論モデルとして、ロボティクスのライフサイクル全体に応用可能とされている。DeepMindは、以下の4つの主要分野におけるGemini 4 Argonの代表的なプロンプト（指示）事例を公開した。
一つ目はRobot control（ロボット制御）である。これには、ボストン・ダイナミクス（Boston Dynamics）製の四足歩行ロボット「Spot」によるモバイルマニピュレーション、ゼロショット制御、およびGemini Omni World Modelでの反復的な動画世界モデル操縦が含まれる。例えば、SpotはMuJoCo（ムージョコ）でゴミ箱のデジタルツインを作成し、物理的なペダルを踏んで空き缶を捨てるスキルを学習する。
二つ目はReal2Sim（実環境からシミュレーションへ）である。これは、実際のロボットカメラフィード、一人称視点の人間の動画、または手描きのスケッチから、物理的にキャリブレーションされたシミュレーション環境のデジタルツインを再構築する技術である。
三つ目はPhysical understanding（物理的理解）に焦点を当てる。これには、器用さの詳細な理解を含むエージェント型マルチモーダル後知恵ラベリング、および密な価値関数と進捗推定が含まれる。
四つ目はResearch and self-improvement（研究と自己改善）である。これは、シミュレーションを通じたアクション改善や、ハードウェア上での反復的な自己改善を目的としている。
参考: DeepMind Blog (アーカイブ) — 2026年10月13日 09:00 (JST)
原文ハイライト"Gemini 4 Argon marks a step change in physical understanding, code generation, and visual-semantic reasoning"