A Google DeepMind apresentou, a 13 de outubro de 2026, o Gemini 4 Argon, um modelo que, segundo a empresa, combina compreensão física, geração de código e raciocínio visual-semântico. A publicação descreve possíveis aplicações em quatro áreas: controlo de robôs, reconstrução de ambientes em simulação, compreensão física e investigação com autoaperfeiçoamento. Não especifica condições de acesso, preço ou data de disponibilização.
Como resultado quantitativo, a empresa refere que o Argon obteve 87% no Embodied Reasoning (ERQA), um benchmark que testa a capacidade de compreender e resolver problemas físicos e espaciais em ambientes tridimensionais. A Google DeepMind afirma que a pontuação supera a de outros modelos de fronteira. A publicação não apresenta, no excerto fornecido, uma comparação detalhada, resultados independentes ou informação sobre a metodologia para além da descrição geral do teste.
Um dos exemplos envolve um robô quadrúpede Spot da Boston Dynamics, com pernas de 12 graus de liberdade e um braço de seis graus de liberdade. A tarefa consiste em recolher latas e colocá-las num caixote com pedal. Segundo a descrição, o Argon cria uma réplica articulada do caixote em MuJoCo para ensaiar movimentos antes de atuar no robô físico. A sequência inclui verificar o posicionamento do pé no pedal e o alinhamento da mão com a abertura do caixote. É uma demonstração publicada pela empresa, não uma avaliação independente.
Noutro exemplo, identificado como controlo sem treino específico para a tarefa, o sistema orienta um braço robótico para endireitar uma caneca caída e colocar nela um guardanapo amarrotado. A publicação descreve o uso de imagens, coordenadas calibradas e primitivas de movimento, com observação do estado do robô entre ações. Um terceiro exemplo mostra o Argon a orientar o Gemini Omni World Model para rearranjar cinco peças de Scrabble, formando a palavra «ARGON», num ciclo visual fechado.
A publicação apresenta também a reconstrução de gémeos digitais a partir de imagens de câmaras de robôs, vídeo em primeira pessoa ou desenhos feitos à mão. Entre as aplicações de compreensão física, refere rotulagem multimodal, análise da destreza, funções de valor densas e estimativa de progresso. Para investigação, descreve melhorar ações através de simulação e iterar em hardware. Estes são exemplos e áreas de aplicação indicados pela Google DeepMind; o texto não fornece resultados comparáveis para cada tarefa.
A apresentação enquadra o Argon como um modelo de uso geral para diferentes etapas do trabalho com robôs. No entanto, a informação publicada não esclarece os limites operacionais, os protocolos de segurança, a disponibilidade para terceiros nem o desempenho em condições independentes das demonstrações. A pontuação no ERQA e os exemplos descritos são alegações da empresa e, por si só, não demonstram desempenho generalizável entre plataformas e ambientes. Testes reproduzíveis e informação técnica adicional seriam necessários para avaliar esse alcance.
Porque importa
A proposta liga raciocínio multimodal a tarefas no mundo físico, uma área de interesse para a robótica. A utilidade prática do sistema dependerá de validação independente, segurança e desempenho em condições variadas.