Principais destaques
- Do vídeo ao robô real: o novo modelo do Google cria simulações físicas a partir de gravações comuns e usa os resultados para treinar máquinas.
- Resultados no mundo real: o humanoide Apollo acertou sete arremessos consecutivos de cornhole, enquanto outro experimento elevou a taxa de sucesso de uma tarefa de 56% para 75%.
- Treinamento mais rápido: a abordagem promete reduzir semanas de modelagem manual para poucas horas, com aplicações que vão da manipulação de objetos à robótica avançada.
O Google quer ensinar robôs a fazer coisas novas sem precisar construir manualmente cada cenário de treinamento. Com o Gemini 4 Argon, a empresa aposta em uma abordagem que começa com algo muito mais simples: um vídeo de uma pessoa executando uma tarefa.
O modelo observa os movimentos, interpreta o ambiente, cria uma simulação física e usa esse espaço virtual para preparar o robô antes de colocá-lo diante do mundo real. É uma tentativa de encurtar uma das etapas mais trabalhosas do desenvolvimento de máquinas autônomas.
Disponibilizado globalmente em 13 de outubro de 2026, o Argon também foi apresentado como um modelo voltado à programação, ao trabalho com conhecimento corporativo e à cibersegurança. Mas são as demonstrações de robótica que revelam uma das ambições mais interessantes do Google DeepMind.
🤖 Um vídeo, sete acertos e um robô humanoide
Em um experimento interno, o Argon recebeu um vídeo de uma pessoa jogando cornhole, uma brincadeira em que o participante lança pequenos sacos de tecido em direção a uma plataforma com um buraco.
A partir da gravação, o modelo mapeou o espaço e calculou os movimentos articulares necessários para reproduzir o lançamento. Depois, escreveu o código para criar uma simulação física da tarefa e treinou os movimentos nesse ambiente virtual.
Só então a habilidade foi transferida para o Apollo, robô humanoide desenvolvido pela Apptronik.
🎯 O resultado chamou a atenção: segundo o Google, o Apollo acertou sete arremessos consecutivos em um teste no mundo real.
A abordagem recebeu o nome de Video-to-Sim-to-Real, algo como vídeo, simulação e mundo real. A lógica é usar vídeos como ponto de partida para criar ambientes de treinamento sem depender de uma reconstrução manual de cada objeto, movimento e interação física.
💡 A mudança está no processo: em vez de programar cada movimento do zero, o sistema pode aprender com demonstrações humanas, ensaiar virtualmente e só depois executar a tarefa com o robô físico.
O Google afirma que essa abordagem pode reduzir semanas de trabalho de modelagem manual a poucas horas. É uma diferença importante para uma área em que construir simulações confiáveis costuma exigir tempo, conhecimento especializado e ajustes constantes.
🦿 Até um robô quadrúpede pode aprender a jogar o lixo fora
O Apollo não foi o único protagonista. Em outra demonstração, o Argon trabalhou com o Spot, robô quadrúpede da Boston Dynamics, equipado com um braço robótico de seis graus de liberdade.
O desafio envolvia uma tarefa cotidiana: jogar uma lata de refrigerante em uma lixeira com pedal.
O modelo construiu um gêmeo digital da lixeira no simulador de física MuJoCo. Nesse ambiente, planejou como o Spot poderia se equilibrar sobre três patas enquanto usava a quarta para pressionar o pedal.
Depois de ensaiar virtualmente, o sistema transferiu o plano para o robô real.
🔎 A execução também exigiu percepção do ambiente: após abrir a lixeira, o Spot utilizou uma câmera instalada no pulso do braço para verificar se a abertura estava corretamente posicionada antes de soltar a lata.
O exemplo mostra que a proposta vai além de reproduzir movimentos isolados. O objetivo é combinar planejamento, equilíbrio, percepção visual e manipulação de objetos em uma mesma tarefa.
Kanishka Rao, engenheiro de software principal do Google, apresentou esse e outros experimentos em uma publicação voltada a desenvolvedores.
📈 Mais de 4.500 episódios de treinamento a partir de uma foto
Outra demonstração ajuda a entender como o Argon pode ampliar a quantidade de dados disponíveis para treinar sistemas robóticos.
A partir de uma única fotografia de uma mesa, o modelo construiu uma simulação, definiu novas tarefas e gerou mais de 4.500 episódios de treinamento com condições aleatorizadas.
O material foi utilizado para aprimorar um modelo de visão, linguagem e ação, categoria de sistemas que conecta o que uma máquina observa, as instruções que recebe e os movimentos que executa.
Os resultados divulgados pelo Google foram os seguintes:
| Indicador | Antes | Depois |
|---|---|---|
| Taxa de sucesso da tarefa | 56% | 75% |
| Tempo para concluir a tarefa | 35 segundos | 24 segundos |
A taxa de sucesso aumentou 19 pontos percentuais, enquanto o tempo de execução caiu 11 segundos, uma redução de aproximadamente 31%.
⚙️ Por que isso importa? Robôs precisam lidar com diferenças de posição, iluminação, objetos e condições físicas. Simulações com cenários variados podem ajudá-los a enfrentar situações que não apareceram nos dados originais.
A possibilidade de gerar milhares de experiências virtuais a partir de uma referência visual simples abre caminho para reduzir a dependência de demonstrações físicas repetidas. O desafio, naturalmente, é garantir que o que funciona no simulador também funcione fora dele.
🧠 O Google fala em raciocínio físico de uso geral
O DeepMind descreve o Argon como um modelo de raciocínio físico de uso geral, com aplicações potenciais ao longo de todo o ciclo de vida da robótica.
A ideia é que o mesmo modelo possa contribuir para interpretar uma tarefa, criar um ambiente virtual, desenvolver estratégias, gerar dados sintéticos e apoiar a transferência de habilidades para o hardware real.
O Google também afirma que o Argon alcançou 87% no benchmark Embodied Reasoning (ERQA), voltado à avaliação de raciocínio espacial e resolução de problemas físicos em ambientes tridimensionais.
Segundo a empresa, o resultado supera o dos demais modelos de ponta avaliados por ela. O Google acrescenta que a pontuação foi obtida por meio de raciocínio geral, sem ajustes específicos para robôs.
É importante, porém, distinguir desempenho em benchmark de capacidade prática. Uma boa pontuação em problemas espaciais não garante, por si só, que um robô consiga executar tarefas complexas com segurança, consistência e autonomia em ambientes imprevisíveis.
💻 A estratégia vai muito além dos robôs
O lançamento também faz parte de uma iniciativa mais ampla da Alphabet para posicionar o Argon como um modelo avançado para diferentes setores.
O Google anunciou o modelo inicialmente em 30 de setembro, com acesso restrito a defensores cibernéticos selecionados por meio do Fairwind Program. Na ocasião, a empresa também participava do processo voluntário do governo dos Estados Unidos para permitir que determinados modelos fossem avaliados antes de seu lançamento.
Em 13 de outubro, o acesso foi ampliado mundialmente por meio da API paga do Gemini e para assinantes do Google AI.
A tabela abaixo resume os preços introdutórios divulgados pela empresa:
| Tipo de token | Até 30/11/2026 | Depois de 30/11/2026 |
|---|---|---|
| Entrada | US$ 2 por milhão | US$ 4 por milhão |
| Saída | US$ 10 por milhão | US$ 20 por milhão |
Os valores representam o custo por milhão de tokens, unidades utilizadas para processar as entradas e saídas do modelo. O preço de saída é mais alto, e aplicações que geram grandes quantidades de código ou conteúdo podem precisar considerar essa diferença no orçamento.
Para desenvolvedores, o acesso pela API permite experimentar o Argon em aplicações próprias. Já a conexão entre raciocínio físico, geração de simulações e treinamento robótico aponta para um uso mais especializado do modelo.
⚠️ Ainda há uma distância entre a demonstração e a fábrica
Apesar dos resultados, há ressalvas importantes.
O próprio cartão de modelo do Google reconhece que o Argon pode produzir alucinações, como outros modelos de fundação. Em robótica, erros de interpretação ou planejamento não são apenas problemas de qualidade de resposta: podem resultar em movimentos inadequados, danos a equipamentos ou situações perigosas.
Outro ponto é a origem das evidências. Os experimentos divulgados até agora são demonstrações apresentadas pelo próprio Google, sem validação independente dos resultados descritos.
Também será necessário avaliar o desempenho em tarefas mais variadas, ambientes menos controlados e operações prolongadas. Acertar sete arremessos consecutivos ou completar uma tarefa específica é um sinal promissor, mas não equivale a demonstrar autonomia geral.
O Google apresenta essa linha de pesquisa como um passo em direção à chamada AGI física, conceito associado a sistemas capazes de realizar uma ampla variedade de tarefas no mundo material.
A expressão representa uma ambição de longo prazo, não uma capacidade já comprovada.
🚀 O próximo salto pode começar na simulação
A proposta do Gemini 4 Argon sugere uma mudança importante na maneira de desenvolver robôs: transformar demonstrações humanas em experiências virtuais que possam ser reutilizadas, modificadas e ampliadas.
Se essa abordagem funcionar de forma consistente fora dos testes controlados, o treinamento robótico poderá depender menos de semanas de modelagem manual e de repetidas sessões com máquinas físicas.
O caminho ainda exige validação, segurança e resultados reproduzíveis. Mas a direção é clara: quanto mais eficiente for a passagem do vídeo para a simulação e da simulação para o mundo real, mais rápido desenvolvedores poderão testar novas habilidades.
A pergunta agora é se o método conseguirá sair das demonstrações impressionantes e se tornar uma ferramenta confiável para robôs que precisam trabalhar todos os dias, em ambientes que não seguem um roteiro.
🧠 Google revela prompts para controlar robôs e criar simulações físicas
O Google DeepMind publicou exemplos de prompts que demonstram como o Gemini 4 Argon pode ajudar a controlar robôs, construir ambientes virtuais e aprimorar movimentos antes de executá-los no mundo real. A proposta é transformar instruções em linguagem natural em etapas de planejamento, simulação e execução robótica.
Na prática, os prompts podem ser usados para:
- Controlar robôs: planejar movimentos de braços robóticos e do Spot, da Boston Dynamics.
- Criar simulações: construir ambientes físicos virtuais a partir de imagens, vídeos ou desenhos.
- Aprimorar habilidades: testar movimentos no simulador, identificar falhas e ajustar estratégias antes da execução no hardware real.
💻 Exemplo de prompt para robótica
Você é um especialista em robótica e simulação física.
Analise o ambiente a partir das imagens fornecidas e
crie um plano para um robô pegar uma lata e colocá-la
dentro de uma lixeira.
1. Identifique os objetos e suas posições.
2. Planeje os movimentos necessários para alcançar,
agarrar e transportar a lata.
3. Crie uma simulação física da tarefa no MuJoCo.
4. Teste diferentes trajetórias e identifique possíveis
colisões ou situações de instabilidade.
5. Ajuste o plano com base nos resultados da simulação.
6. Apresente as instruções de execução e as verificações
de segurança necessárias antes de operar o robô real.
Não presuma que a tarefa foi concluída sem verificar
os resultados observados pelo sistema.O exemplo é ilustrativo e não garante compatibilidade direta com a API ou com o hardware. A execução depende das ferramentas, dos sensores e das interfaces de controle disponíveis.
