Google DeepMind: Gemini 4 Argon bringt Robotern das Lernen aus Videos — Apollo wirft Cornhole

Am 13. Oktober 2026 veröffentlichte Google DeepMind Details zu einer neuen Robotik-Fähigkeit von Gemini 4 Argon: Das Modell kann kurze Videos mit Menschen bei einer Tätigkeit analysieren, eigenständig eine kalibrierte Physiksimulation erstellen und die gelernten Bewegungsabläufe anschließend auf reale Roboter übertragen — ohne manuelle Kalibrierung oder Fachpersonal für Simulation.

Video-to-Sim-to-Real: Lernen aus einem einzigen Clip

Die von Google als Video-to-Sim-to-Real-Pipeline beschriebene Methode läuft in drei Schritten ab:

1. Videoanalyse: Argon analysiert einen kurzen Clip, in dem ein Mensch eine Aufgabe ausführt — beispielsweise das Werfen einer Bohnensackscheibe (Cornhole).
2. Automatische Simulation: Das Modell rekonstruiert die Physik der Situation und generiert eigenständig einen kalibrierten MuJoCo-Simulationscode, in dem der Roboter die Bewegung einüben kann.
3. Transfer auf den echten Roboter: Die in der Simulation optimierten Bewegungsparameter werden auf den physischen Roboter übertragen.

Google gibt an, dass dieser Prozess manuellen Aufwand von mehreren Wochen auf wenige Stunden reduziert. Bisherige Ansätze erforderten laut Google in der Regel spezialisiertes Ingenieurswissen für jeden einzelnen Simulationsaufbau.

Demo: Apptroniks Apollo trifft sieben Würfe in Folge

Im veröffentlichten Video demonstriert Apptroniks Apollo-Humanoid das Resultat: Anhand eines einzigen menschlichen Cornhole-Videos erlernte der Roboter den Wurfbogen, berechnete Gelenktrajektorien für den Ganzkörpereinsatz und traf anschließend sieben Würfe in Folge in der realen Umgebung. Google bezeichnet dies als Zero-Shot-Transfer — die Bewegung wurde nicht durch klassisches Reinforcement Learning aus Tausenden von Wiederholungen, sondern aus einem einzelnen Videoclip abgeleitet.

Einordnung

Gemini 4 Argon ist nicht auf Cornhole beschränkt: Google zeigt zusätzlich Beispiele, bei denen das Modell aus Bildern von Tischaufbauten Trainingsdaten für Manipulationsaufgaben generiert. Sekundärberichte erwähnen, dass ein Doppelarmroboter durch Argon-generierten Trainingsdata seine Erfolgsrate auf einer bestimmten Aufgabe von 56 auf 75 Prozent steigerte — dieser Wert stammt jedoch aus Sekundärquellen und konnte nicht direkt gegen Primärquellen verifiziert werden. Er ist daher als unbestätigt einzuordnen.

Die neue Fähigkeit ergänzt das im Juli 2026 vorgestellte Gemini Robotics 2, das Ganzkörpersteuerung und Multi-Roboter-Koordination in den Vordergrund stellte. Während Gemini Robotics 2 auf breite motorische Fähigkeiten zielte, löst Argon mit der Video-to-Sim-to-Real-Pipeline ein spezifisches Datenproblem: Qualitativ hochwertige Roboter-Trainingsdaten sind teuer und aufwendig zu erheben — mit diesem Ansatz könnten menschliche Videoclips als kostengünstiger Daten-Rohstoff dienen.

Hinweis: Die Kernergebnisse (Cornhole-Demo, 7 Würfe in Folge) stammen aus offiziellen Google-DeepMind-Veröffentlichungen (X-Post, Google Blog) und sind als Herstellerangaben einzustufen. Unabhängige Replikation liegt zum Zeitpunkt der Berichterstattung nicht vor.