LONDON (IT BOLTWISE) – Google stellt mit Gemini 4 Argon ein robotikspezifisches KI-Modell vor, das Greif- und Ablageaufgaben deutlich beschleunigt. In einem internen Test fällt die Ausführungszeit von 58,9 auf 17,4 Sekunden über drei Durchläufe. Möglich wird das laut Hersteller durch eine Real-to-Sim-Pipeline in MuJoCo, die aus einzelnen Bildern ein kalibriertes Simulationsmodell ableitet. Zusätzlich nennt Google Benchmark- und API-Zahlen, die für die Planung von Robotik-Piloten relevant sind.
Der eigentliche Fortschrittshebel hinter „Gemini 4 Argon“ liegt weniger in einer einzelnen Labordemo als in der Art, wie das Modell aus visuellen Inputs eine belastbare Handlungsumgebung erzeugt. Google positioniert das System gezielt für Robotik-Workflows und für physisches logisches Schließen, also für Aufgaben, bei denen das Modell nicht nur Text- oder Bildmuster bewertet, sondern Entscheidungen direkt mit Bewegungsketten verknüpfen muss. Im Fokus steht dabei eine Greif- und Ablageaufgabe, bei der sich die Ausführungszeit über drei Durchläufe von 58,9 Sekunden auf 22,9 Sekunden und schließlich auf 17,4 Sekunden reduziert. Für die Praxis ist das bemerkenswert, weil Robotik-Performance selten nur an der „Intelligenz“ hängt, sondern stark daran, wie schnell das System von einem unsicheren Startzustand zu einem stabilen Aktionsplan gelangt.
Technisch beschreibt Google eine Real-to-Sim-Pipeline, die aus einem einzelnen RGB-Foto oder einer Skizze ein kalibriertes Simulationsmodell in der Physik-Engine MuJoCo erzeugt. Das klingt nach einem Architekturbaustein, ist aber in der Robotik ein entscheidender Unterschied: Statt jede Manipulationsstrategie ausschließlich im echten System auszuprobieren, kann das Modell zuerst in einer simulierten, physikalisch plausiblen Umgebung iterieren. In dem genannten Versuchssetup erzeugte Gemini 4 Argon autonom über 4.500 domänenrandomisierte Episoden sowie 77 Aufgaben, die anschließend für das Nachtrainieren eines Modells für Aktionen genutzt werden. Diese Kombination adressiert gleich zwei typische Engpässe: die hohen Kosten echter Roboterläufe und die Gefahr, dass Trainingsdaten die realen Variationen in Beleuchtung, Geometrie oder Dynamik zu grob abdecken.
Google koppelt diese Simulationserfahrung an konkrete Robotik-Plattformen: In einem Experiment mit zwei FR3-Roboterarmen von Franka, jeweils mit sieben Freiheitsgraden, sowie vier Kameras soll das Simulationstraining die reale Erfolgsrate von 56 Prozent auf 75 Prozent gehoben haben. Gleichzeitig nennt der Hersteller eine Verringerung der Fertigstellungszeit von 35 Sekunden auf 24 Sekunden. Wichtig ist dabei die Einordnung: Die Angaben stammen direkt vom Hersteller; zudem nennt Google keine Gesamtzahl der Versuche. Für Entwickler und Projektverantwortliche heißt das vor allem, dass die Richtung zwar plausibel wirkt, die Übertragbarkeit auf andere Werkstückgeometrien, Greifer-Modelle oder Werkstattbedingungen aber noch durch eigene Messreihen abgesichert werden muss.
Ein weiteres Detail aus der Demo-Praxis ist, dass Gemini 4 Argon nicht nur „klassische“ Manipulationen abarbeitet, sondern auch virtuelle Umgebungen in MuJoCo aufbauen kann, etwa einen virtuellen Abfallbehälter für den vierbeinigen Roboter Spot. Dort sollen zwei Prüfagenten die Aktionen von Füßen und Greifer koordinieren, also eine Aufteilung in Teilentscheidungen, die zum Bewegungsprofil der Plattform passt. Auch die Modellierungs- und Planungsebene wird konkreter, wenn Google eine 136 Sekunden lange Aufnahme eines ALOHA-2-Systems nennt: Das Modell zerlege die Sequenz in sechs Teilaufgaben und 17 atomare Bewegungen. So ein Granularitätsgrad ist für Robotik relevant, weil er bestimmt, wie gut sich Handlungsstrategien wiederverwenden und unter neuen Zielkonfigurationen adaptieren lassen.
Was die Leistungsdaten angeht, zeigt sich ein gemischtes Bild aus starken Benchmarks und realen Zeitkosten. Auf ERQA, einem Benchmark für physisches Reasoning mit 400 Fragen und ohne externe Werkzeuge, erreicht Gemini 4 Argon 87 Prozent. In der Gegenüberstellung nennt Google Werte von 82,3 Prozent für Claude Opus 5.5,81 Prozent für GPT-6 Astra und 74 Prozent für Claude Fable 5.1. Gleichzeitig betont der Hersteller, dass ERQA stark theoretische Schlussfolgerungen prüft und nicht zwingend die Erfolgsquote in realen Kundenumgebungen abbildet. Genau dort setzt ein zweiter Datensatz an: Beim unabhängigen AA-Robotics-Benchmark von Artificial Analysis, der über acht Aufgaben an einem realen Roboterarm läuft, kommt Gemini 4 Argon auf 55,3 von 100 Punkten und damit auf den dritten Platz hinter GPT-6 Astra mit 69,4 Punkten und GPT-6.1 Sol mit 65 Punkten.
Für die wirtschaftliche Bewertung von Robotik-KI ist zudem die Ausführungslogistik entscheidend. Laut Quelle liegt die Quote beim erfolgreichen Greifen bei 36 Prozent; pro Aufgabe nennt Google rund 52 Minuten im Mittel und zusätzlich eine Wartezeit von etwa 21 Minuten bis zur ersten physischen Aktion. Damit ordnet der Bericht die Systemgeschwindigkeit als etwa 100-mal langsamer als eine menschliche Vergleichsbasis ein. Die Kosten pro gelöster Aufgabe werden mit 1,93 bis 16,36 US-Dollar angegeben. Wer daraus Investitionsentscheidungen ableitet, sollte diese Zahlen als Momentaufnahme verstehen: Hohe Latenzen und Rechenkosten lassen sich zwar durch effizienteres Caching, bessere Simulationsinitialisierung und gezielte Modellkompression senken, aber diese Optimierung ist in der Regel ein eigenes Engineering-Projekt. Interessant ist außerdem, dass Google den Kontext für ein Projektbudget vorgibt: Ein Kontextfenster von 1 Million Token, ein Einführungspreis bis 30. November 2026 von 2 US-Dollar pro 1 Million Eingabe-Token sowie 10 US-Dollar pro 1 Million Ausgabe-Token, bevor danach ein reguläres Preismodell greift.
Schließlich ordnet sich die Marktrelevanz ein: Wenn Greif- und Ablageabläufe schneller iteriert werden können und Simulationstraining reale Erfolgsraten messbar hebt, verschiebt sich der Nutzen von KI-Integration weg vom „Showcase“ hin zu wiederholbaren Industrieprozessen. Für Teams bedeutet das konkret, dass sich Robotik-Piloten eher über Datenpipelines, Simulationskalibrierung und Action-Model-Training differenzieren werden als über reine Prompt-Experimente. Google stellt Gemini 4 Argon seit dem 13. Oktober 2026 Abonnenten von Google AI Ultra sowie über die Gemini-API und Antigravity bereit. Für Anleger bleibt die Frage, welche Plattformen und Systemintegratoren die Robotik-Chain von Cloud bis Hardware am besten bedienen; für Entwickler steht dagegen die nächste Hürde im Vordergrund: die demonstrierten Herstellerwerte in den eigenen Setups unter realen Toleranzen, Materialvariationen und Sicherheitsanforderungen nachzuweisen. Wie in der Quellfassung enthalten, gilt: keine Anlageberatung, keine Kauf- oder Verkaufsempfehlung, und Angaben zu Kursen und Märkten ohne Gewähr.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Gemini 4 Argon: Greifzeit sinkt auf 17,4 Sekunden dank Real-to-Sim" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Gemini 4 Argon: Greifzeit sinkt auf 17,4 Sekunden dank Real-to-Sim" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Gemini 4 Argon: Greifzeit sinkt auf 17,4 Sekunden dank Real-to-Sim« bei Google Deutschland suchen, bei Bing oder Google News!