Gemini 4 Argon: Google DeepMind porta l’IA nella robotica

👁 115 letture

Google DeepMind ha presentato Gemini 4 Argon for Robotics, un modello di intelligenza artificiale specializzato progettato per applicazioni robotiche. Nel benchmark Embodied Reasoning (ERQA), il sistema ha raggiunto un punteggio dell’87%, superando qualsiasi altro modello di frontiera testato nel ragionamento spaziale e fisico. L’annuncio risale al 13 ottobre 2026 ed è stato condiviso da Kanishka Rao, Lead Software Engineer presso DeepMind.

Cos’è ERQA e perché l’87% è un risultato notevole

Il benchmark ERQA (Embodied Reasoning and Question Answering) valuta la capacità di un modello di comprendere e risolvere problemi fisici e spaziali all’interno di ambienti tridimensionali. Non si tratta di rispondere a semplici domande visive, ma di svolgere un ragionamento articolato: prevedere il comportamento di un oggetto in caduta, calcolare il baricentro o determinare come il robot debba posizionarsi per evitare ribaltamenti durante una manovra complessa. Argon raggiunge l’87% affidandosi esclusivamente al puro ragionamento (pure reasoning), senza moduli esterni o motori fisici dedicati.

I modelli linguistici precedenti, inclusi sistemi di punta come GPT-4o o le prime iterazioni di Gemini, mostravano difficoltà evidenti in prove simili. DeepMind non fornisce cifre dirette relative ai concorrenti sullo stesso benchmark, ma la dichiarazione di aver superato ogni altro modello di frontiera è netta e verificabile. Questo riscontro si traduce direttamente nella pratica: un robot guidato da tale modello può valutare in tempo reale se una presa è sicura, se la traiettoria rischia collisioni e come riorganizzare i movimenti se si verifica un imprevisto.

Quattro ambiti applicativi: da Spot agli schizzi a mano libera

Argon non è limitato a una sola tipologia di compito. DeepMind delinea quattro ambiti chiave per il suo impiego lungo l’intero ciclo di vita di un sistema robotico.

Il primo è il controllo dei robot. L’esempio più significativo vede Argon alla guida del quadrupede Spot di Boston Dynamics, dotato di gambe a 12 gradi di libertà e di un braccio manipolatore a 6 gradi di libertà. Il compito consiste nell’apprendere una nuova abilità: premere il pedale di un cestino della spazzatura e gettarvi una lattina di Diet Coke. Prima di tentare l’azione sulla macchina fisica, il modello crea un gemello digitale del cestino nel simulatore MuJoCo e vi perfeziona, tra le altre cose, l’equilibrio su tre zampe durante la pressione del pedale. Solo al termine della sessione virtuale Spot esegue l’operazione nel mondo reale: controlla tramite la telecamera frontale che la zampa anteriore destra sia centrata sul pedale e verifica poi la posizione del braccio sopra il contenitore aperto grazie a uno sciame di due agenti di controllo (foot-verifier e hand-verifier). Si tratta di un classico ciclo Real-to-Sim-to-Real gestito da Argon in modalità end-to-end.

Il secondo ambito è Real2Sim, ovvero la ricostruzione di gemelli digitali calibrati fisicamente. Argon può generare una simulazione a partire dalle immagini della telecamera di bordo, da registrazioni video in prima persona (prospettiva egocentrica) o persino da un semplice schizzo a mano libera su carta. Questa caratteristica risulta preziosa per i laboratori che non dispongono del tempo o delle risorse necessari a modellare ambienti virtuali da zero.

Il terzo settore è la comprensione fisica, dove Argon opera come sistema di annotazione multimodale dei dati con analisi retrospettiva degli eventi (agentic multimodal hindsight labeling). Il modello può valutare il livello di destrezza di un movimento, assegnare funzioni di valore dense ai singoli passaggi della traiettoria e stimare l’avanzamento verso l’obiettivo. Ciò consente di produrre automaticamente dati di addestramento di alta qualità senza l’intervento di annotatori umani.

Il quarto ambito riguarda ricerca e auto-perfezionamento: un ciclo iterativo in cui Argon suggerisce modifiche alle azioni basandosi sugli esiti della simulazione, le testa e trasferisce infine la strategia migliorata sull’hardware fisico. In questo modo il modello non funge solo da esecutore, ma assume il ruolo di ricercatore attivo del proprio flusso operativo.

Controllo zero-shot: cosa cambia per gli sviluppatori di software robotico

Merita attenzione anche la dimostrazione di zero-shot control. Senza alcun addestramento preliminare sullo specifico hardware, Argon comanda un semplice braccio robotico per raddrizzare una tazza rovesciata e inserirvi un tovagliolo accartocciato. Il modello elabora le immagini provenienti da una telecamera montata sul polso con una griglia di coordinate sovrapposta (2 cm per pixel nel mondo reale) e impartisce istruzioni tramite chiamate curl verso l’API del robot. Ogni pochi movimenti formula un’osservazione sintetica, pianifica il passaggio successivo e lo esegue: una logica del tutto simile a quella dei sistemi agentici usati nel software, qui trasposta direttamente nel contesto fisico.

Per gli sviluppatori del settore robotico il cambiamento è rilevante. Finora integrare un modello linguistico nello stack di controllo richiedeva complesse stratificazioni di astrazione. Argon suggerisce un paradigma in cui il modello interpreta autonomamente lo stato circostante e genera azioni in un formato strutturato e pronto per l’esecuzione, senza intermediari di traduzione.

AGI fisica: una visione ambiziosa con basi concrete

DeepMind descrive apertamente questa traiettoria come un passo per accelerare i progressi verso un’AGI fisica. Si tratta di un’affermazione audace, che in altri contesti potrebbe sembrare puro marketing, ma che qui poggia su riscontri tangibili: un punteggio dell’87% su un benchmark spaziale riconosciuto, test su hardware reale, apprendimento autonomo tramite simulazioni e la chiusura completa del ciclo Sim-to-Real.

Argon non è un prodotto commerciale immediatamente accessibile al pubblico. Rappresenta una novità ingegneristica e di ricerca che definisce la rotta intrapresa dalla piattaforma Gemini nella robotica. Per le realtà aziendali e i laboratori di ricerca impegnati su piattaforme mobili, automazione logistica o chirurgia robotica, il dato fondamentale è chiaro: il ragionamento spaziale dei modelli di intelligenza artificiale ha raggiunto una soglia che apre a un’utilità pratica senza la necessità di una supervisione continua.

E questa rappresenta solo la prima dimostrazione pubblica delle capacità di Argon.

// continua a leggereGoogle lancia AlphaGenome Atlas: 9 miliardi di varianti genomiche analizzate con l’AINotizieGoogle AI Ultra: cosa include e quando convieneStrumenti IACome creare giochi con Google Playground: cosa sappiamoGuide

Kinetyra