DeepMind 用 Gemini 4 Argon 让 Apollo 人形机器人从视频学新技能

Google DeepMind 正在把 Gemini 4 Argon 用在人形机器人的技能学习上。据 Robotics & Automation News 报道，该公司用这款模型让 Apptronik 的 Apollo 人形机器人从视频中学习新技能。

这条消息的关键词是从视频学习。它指向一条不同于遥操作示教的路径：不必为每一个动作手工采集机器人本体数据，而是把视频当作训练信号，再迁移到机器人的身体上。这个转换听起来简单，实际上要求模型同时理解场景、物体和动作时序。

Gemini 4 Argon 是这里被点名的模型，Apollo 是被点名的硬件平台。报道给出的信息止于这两者的组合与学会新技能这一结果，没有说明具体学的是哪些技能、用了多少视频、训练耗时或成功率。

人形机器人长期受制于数据瓶颈。真实世界的操作数据昂贵且难以规模化，视频则相对充裕，但视频与机器人关节动作之间并不存在现成的对应关系，中间那一步需要模型来完成。

如果这条路走通，价值在于泛化：同一套方法可以快速把新任务灌进同一台机器，而不是为每个工位重写一遍控制程序。对正在寻找商业化场景的人形机器人公司来说，这比一次漂亮的演示更重要。

需要保持谨慎的是，报道本身还停留在标题层面。从能学到能在客户现场稳定重复，中间隔着可靠性、安全边界和长尾失败模式，这些通常不会出现在发布消息里，却决定了产品能否交付。

接下来值得看的是演示素材与第三方复现：是否公布完整任务视频、是否给出跨物体与跨环境的测试结果，以及 Apptronik 是否会把这项能力纳入其对外交付的软件栈。

DeepMind 与 Apptronik 的组合也说明一件事：具身智能的竞争正在变成模型公司与硬件公司的配对游戏，谁能把模型能力最快接进可量产的机体，谁就更有机会定义标准。