Gemini 4 Argon 在物理理解、代码生成和视觉语义推理上带来阶跃变化，为机器人技术栈解锁新工作流，并加快迈向物理 AGI 的进展。在具身推理（Embodied Reasoning，ERQA）基准上，Argon 仅用纯推理取得 87% 的成绩，超过其他所有前沿模型。作为通用物理推理模型，Gemini 4 Argon 可应用于整个机器人生命周期；我们给出了它在机器人控制、Real2Sim、物理理解等四个关键方向的代表性提示，涉及 MuJoCo 移动操作等内容。

Gemini 4 Argon 在物理理解、代码生成和视觉语义推理方面实现了阶跃式变化，为机器人技术栈带来了全新工作流，并加快了通往物理 AGI 的进展。

这种能力跃迁在 Embodied Reasoning (ERQA) 基准测试 上可见一斑，该基准测试模型在 3D 环境中理解和解决物理空间问题的能力。仅凭纯推理，Argon 就取得了 87% 的成绩，优于其他所有前沿模型。

作为一种通用物理推理模型，Argon 可应用于整个机器人生命周期。以下分享了 Argon 在四个关键领域的代表性提示词：

• 机器人控制 → 结合 MuJoCo 练习的移动操作、零样本机器人控制，以及视频世界模型的闭环引导。
• Real2Sim → 从机器人摄像头画面、第一人称人类视频或手绘纸质草图重建经过物理校准的仿真孪生体。
• 物理理解 → 智能体多模态事后标注，包括对灵巧操作的详细理解、稠密价值函数和进度估计。
• 研究与自我改进 → 通过仿真改进动作，以及在硬件上进行迭代式自我改进。

用 Argon 解锁机器人控制

1. Spot 移动操作：用 MuJoCo 练习扔垃圾桶

Argon 控制波士顿动力 Spot® 四足机器人（12 自由度腿部 + 6 自由度手臂）学习一项新技能：踩下脚踏垃圾桶的踏板，把汽水罐扔进去。在踩下真实踏板并把汽水罐丢进敞开的桶内之前，Argon 先创建了一个脚踏垃圾桶的带关节 MuJoCo 数字孪生体来练习动作。

视频 25 Spot 移动操作——真实到仿真再到真实的脚踏垃圾桶处理：Spot 捡起汽水罐，检查腕部摄像头，在 MuJoCo 中练习三条腿三脚架平衡，踩下脚踏板，确认手在敞开的桶内居中，然后把罐子丢进去。

提示：

你身后有一个健怡可乐罐，左边黑色桌子上还有一个。使用 spot-mobile-manipulation 技能把它们捡起来，扔进黑色脚踏垃圾桶。在踩下踏板之前，要在前视摄像头中确认你右前脚的落脚点对准踏板中央，并用一个双智能体验证组（foot-verifier 和 hand-verifier）确认踩脚踏板和 3D 手入桶对齐无误后，再释放罐子。

2. 零样本控制

Argon 控制一个简单的机械臂，把倒下的马克杯扶正，并把皱巴巴的餐巾放进去。Argon 通过视觉坐标工具和动作基元进行推理，经过几轮交互完成任务。

视频 26 左：第三人称真实机器人视角；右：校准过的腕部摄像头，带有投影的 2 厘米世界坐标和夹爪闭合十字线。

提示：

已附加：wrist_cam.png、obs.json

任务：让机械臂把马克杯扶正，并把餐巾放进杯子里。

执行纪律 - 只输出 1 句观察，紧接着输出你的 curl 命令（第 1 轮带 # Plan:，每轮带 # Thought:）。所需信息都在 obs.json 以及画在 wrist_cam.png 上的校准十字线/网格中。

视觉坐标参考（标注在 wrist_cam.png 上） - +X（图像中向上）：远离机器人基座 | -X（向下）：朝向机器人基座 - +Y（图像中向左）：世界左侧 | -Y（向右）：世界右侧 - +Z：桌面上方高度 | Yellow numbers：世界坐标 (X, Y)，单位为厘米（grid_z 处为 2 厘米网格） - Cyan + crosshair：当前 3D 捏取中心 - Cyan [ + ] brackets：当前夹爪开合线 - Green line：当前物体长轴方向（yaw_deg：0° 为沿 +X 垂直，90° 为沿 +Y 水平） - pitch_deg = 90°：正上方 (-Z) 自上而下抓取/放置；pitch_deg < 60°：沿手指轴倾斜同轴接近

闭环回合工作流 1. 检查当前状态并查看 wrist_cam.png： curl -s http://127.0.0.1:8081/obs（返回 ee_pos、holding、status、workspace、wrist_cam_path）。 2. 在第 1 轮预先选择 VLM 调用粒度： - 粗粒度（2–4 次调用）：look_at -> grasp -> place -> done - 抓取前悬停验证（4–7 次调用）：look_at -> goto(z=0.04)（验证青色 [ + ] 括号跨在目标两侧）-> grasp -> place_until_contact -> done - 精细视觉伺服（8–20 次调用）：look_at -> grasp -> 预姿态 goto -> 闭环 move_by / move_until_contact -> done 3. 发送动作基元（POST /plan），并在每轮更新后的 wrist_cam.png 中进行视觉验证。如果 status == "grasp_failed"，调用 robot.look_at(...) 重新观察并恢复闭环。

代码即策略基元（POST http://127.0.0.1:8081/plan） robot.look_at(x=0.35, y=0.13, z=0.14, grid_z=0.015) x, y = robot.deproject(u=0.52, v=0.48, z_plane=0.015) robot.grasp(x=x, y=y, z=0.015, yaw_deg=-35, pitch_deg=90) robot.place(x=0.24, y=0.06, z=0.075) robot.place_until_contact(x=0.24, y=0.06, z=0.015, max_lag=0.012, relief=0.002) robot.goto(x=0.28, y=0.05, z=0.04, arc_z=0.14, pitch_deg=25, azimuth_deg=90, roll_deg=0, speed=0.10) robot.move_by(forward=0.025, dz=-0.002, dpitch_deg=-3, droll_deg=5, speed=0.04) robot.move_until_contact(dz=-0.06, speed=0.03, max_lag=0.012, relief=0.002) robot.open_gripper() / robot.close_gripper() / robot.home() / robot.done()

3. Omni 控制

Argon 在 Gemini Omni 世界模型中引导机器人，把五个散落的拼字游戏方块（G, R, A, N, O）重新排列成整齐的一行，拼出 A - R - G - O - N。Argon 没有指定静态提示，而是在闭环视觉回路中进行引导：它编写带时间戳的动作提示，检查中间展开的关键帧，并不断完善提示。

视频 27 迭代式视频世界模型引导灵巧手：33 步引导视频展开，拼出 A-R-G-O-N。

提示：

目标：{task_goal}

你正在迭代视觉反馈回路中引导一个视频世界模型（Gemini Omni）。检查最新展开中附带的帧，并为视频世界模型编写下一段带时间戳的动作提示： - 把复杂动作分解为一次一个简单、单向的动作。 - 保持非活动手收回，避免遮挡摄像头对工作空间中物体的视线。 - 明确说明物体移动后工作空间中哪些区域变空。 - 使用 [MM:SS.mmm] 时间戳标记每个动作节拍，并把输出包裹在 <omni_prompt> 标签中。

示例格式（仅为示例时间戳，并非完整提示）： <omni_prompt> [00:00.000] 角色 A 的左手放在身侧，右手伸向目标物体。 [00:02.500] 角色 A 的右指尖把物体平稳推到桌子中央，使其起始区域变空。 [00:05.000] 角色 A 的右手张开并收回到身侧，让所有放置的物体保持在摄像头清晰视野内。 </omni_prompt>

用 Argon 解锁 Real2Sim

1. 机器人视图到仿真

Argon 观看真实的机器人遥操作片段，开发出一个数字孪生体；它获取或创建仿真资产，使其在外观和接触灵巧手时的行为都类似于真实物体。Argon 在迭代视觉推理回路中调整资产和场景，使仿真视觉和接触事件与真实录制数据相匹配。

视频 28 左（真实视图）：同步的真实机器人摄像头画面；右（仿真）：由 Argon 重建并校准的 3D MuJoCo 场景。

提示：

已附加：robot_rollout_episode

构建机器人和重建任务对象的 MuJoCo 场景。逐帧重放每个片段时，通过关节空间 PD 把机器人关节驱动到记录的 observation.state。

使用两个验证目标进行迭代： (1) 视觉匹配：从 head_left、left_wrist 和 right_wrist 摄像头渲染的 MuJoCo 画面，与那些真实观察对齐且外观相似。 (2) 物理匹配：在传感器坐标系下，每个 Sharpa 指尖上的仿真接触力/扭矩，在时序、大小和方向上与记录的 tactile_force 匹配。

在仿真开始前可以调整的内容： (1) 静态物体资产：逼真的几何形状、碰撞形状、质量、惯性、摩擦和关节，外观接近真实物体，以及 t = 0 时的初始物体姿态。 (2) 离线规划的机器人指令，仅在真实指尖靠近物体的帧中更改。每条指令必须保持在记录的遥操作轨迹的 0.55 弧度（手臂关节）和 0.65 弧度（手部关节）范围内。其他情况一律原样重放记录的轨迹。

禁止仿真作弊：任务物体只能通过与机器人手和环境的真实 MuJoCo 接触（mj_step）来移动。 t = 0 之后不允许：更改 MjModel 参数；对物体施加外力或扭矩；焊接或等式约束；超出关节空间 PD 的前馈扭矩；设置或回滚物体 qpos/qvel；禁用或排除碰撞；报告并非来自 MuJoCo 求解器的接触力（例如复制记录的触觉读数）。

立即把重建的场景和展开结果呈现为一个交互式 HTML 会话查看器，每个片段一页，显示： - 底部：一个同步时间轴（播放、拖动、速度控制），驱动所有面板。 - 左侧面板：一个交互式 3D Blender 场景，显示仿真机器人和物体，随着重放显示接触点和力箭头。 - 右侧面板：所有 3 个摄像头的真实与仿真摄像头视图并排显示。真实与仿真手指力可视化。

2. 人类视图到仿真

给定一段操作任务的第一人称人类视频，Argon 识别出与任务相关的物体，用复合凸分解网格替换粗糙的包围盒以表示凹形容器，并把人类手部轨迹重定向到一个 76 自由度的双臂类人机器人上，该机器人带有 22 自由度的五指手，并在 MuJoCo 接触物理中仿真。

视频 29 人类视图到仿真——第一人称人类视频到灵巧类人孪生体：左为输入的第一人称人类 RGB 视频；右为同步的 500 Hz MuJoCo + Blender Cycles 多视角仿真展开。

提示：

已附加：egocentric_human_video.mp4、candidate_sim_views.png、hand_3d_keypoints.json

你正在构建一个物理可解的 500 Hz MuJoCo 操作环境（scene.xml）和演播室 Blender 渲染，以在具有 22 自由度灵巧五指手的双臂类人机器人上，忠实复现 egocentric_human_video.mp4 中所示的桌面任务：

1. 场景重建与摄像头校准：

   • 仅识别与操作相关的物体（被抓取的目标物体和接收容器或地标），并根据第一人称摄像头内参/外参三角化它们的 3D 桌面坐标。
   • 用复合凸分解 3D 网格替换粗糙的包围盒，使凹形容器（嵌套碗、凹陷木托盘、敞口箱）能够支持物理上的内部放置。

2. 500 Hz 灵巧运动拟合压力测试：

   • 把 3D 人类手腕和手指关键点重定向到类人机器人的 7 自由度手臂和 22 自由度手部关节，并在 MuJoCo 中以 500 Hz（dt = 0.002s）步进轨迹，零运动学焊接约束。
   • 验证拇指和手指的对向力闭合、干净的物体抬起（> 2 cm），以及在目标地标内部或旁边的稳定最终放置。

3. 草图到仿真

借助 Argon，开发者可以拍下一张粗糙的纸笔草图——画着一个 Apollo 2 类人机器人沿抛物线扔球，打翻桌上一个 3-2-1 堆叠的盒子——Argon 会自动构建 GPU 加速的 mujoco_warp 场景，合成一个均衡的 76 自由度全身和五指投掷轨迹，在闭环物理中验证 6/6 目标被击倒，并导出 Blender 4.5 Cycles 渲染。

视频 30 草图到仿真——手绘草图到灵巧类人轨迹与 Cycles 渲染。

提示：

已附加：hand_drawn_throw_sketch.jpg

把手绘草图翻译成 mujoco_warp 中经过物理验证的类人仿真，以及光线追踪的 Blender Cycles 视频：

1. 根据草图设置场景与运动学：

   • 解析 hand_drawn_throw_sketch.jpg 中的空间布局：把 76 自由度类人机器人（32 自由度身体，配备两只 22 自由度五指灵巧手）放在原点，面朝一张桌子，桌上放着 6 个刚性目标盒子组成的 3-2-1 金字塔，右五指手中抓着一个抛射球体。

2. 全身平衡与灵巧投掷合成：

   • 合成一个 50 Hz 全身投掷轨迹（140 步，2.80 秒），分为四个阶段：(1) 稳定站姿与五指力量抓取闭合，(2) 躯干/肩部后摆并配合踝-髋质心补偿，(3) 向前鞭打加速，(4) 在峰值手速时同步张开 22 自由度五指，使球以弹道弧线发射到金字塔第二层质心。
   • 在 mujoco_warp 接触物理中验证类人机器人保持直立平衡（骨盆漂移 < 3 cm）并击倒全部 6 个目标盒子。

用 Argon 解锁物理理解

1. 事后标注与数据质量

Argon 对灵巧操作有精确的物理理解，并能从视频中提供详细分割和文本标注。Argon 能够识别糟糕的操作片段，例如停顿、不稳定抓取和失手。给定一段 136 秒的双臂 ALOHA 2 机器人把方形纸折成折纸狐狸的俯视视频，Argon 生成了一个时间对齐的 4 级事后标注层级：片段目标（G1）、6 个连续的语义子任务（G2）、17 个接触级原子基元（G3），以及自动化质量控制（QC）重加权，在失手和重试期间保持任务进度持平。

视频 31 Argon 多粒度事后标注与遥测 HUD。

提示：

已附加：Aloha2_Origami_20250309.mp4

生成一个时间对齐的多粒度事后标注 JSON，包含四个层级： 1. G1_episode_instruction：简洁的祈使句，描述整体操作目标。 2. G2_subtasks：连续的语义子任务阶段，指明哪只手臂负责锚定，哪只负责折叠/旋转物体。 3. G3_atomic_primitives：细粒度接触级基元（3–15 秒），与抓取闭合、折痕扫掠、释放或重试尝试对齐。 4. quality_control_and_reweighting：在无进展的滑移/分层重试循环期间保持 task_progress_pct 持平，并对其进行降权（0.15 倍–0.25 倍）以用于行为克隆。

2. 找出异球

为了用机器人重现经典的 12 球天平谜题，Argon 构建了一个双臂 Franka FR3 MuJoCo 环境，里面有 12 个视觉上完全相同的台球（其中一个秘密更重或更轻）和一个带关节的 Roberval 双盘天平。然后它编写了一个纯视觉闭环求解器，从立体 RGB 摄像头三角化球体，每次称重后视觉读取天平倾斜，并在 3 次称重内把异球隔离到重（红色）或轻（蓝色）托盘中。

视频 32 找出异球（纯视觉闭环求解器）：双臂 Franka FR3 在金/青绿色托盘上称重候选球，读取立体重天平倾斜，并在 3 次称重内把确认的重异球隔离到红色托盘。

提示：

提示 1 — 物理精确的 MuJoCo 环境与基准生成 制作一个 MuJoCo 环境，其中双臂机器人（两个 7 自由度 Franka FR3 手臂，带平行夹爪，共享桌面）的任务是解决来自 https://www.mathsisfun.com/poolballssolution.html 的经典 12 球天平重量谜题。 1. 创建 12 个视觉上无法区分的台球，放在 2x6 起始架中（11 个标准 150 克，1 个异球，要么 270 克要么 30 克）。 2. 在桌子中央构建一个功能性双盘 Roberval 天平，带有平行四边形等式约束（mjEQ_JOINT），使左（金色）和右（青绿色）托盘保持水平，外加红色（重）和蓝色（轻）提交托盘。 3. 跟踪不同的稳定称重次数（weighing_count），如果在 <= 3 次称重内把真正的异球隔离到正确的重/轻托盘中，则奖励 1.00。

提示 2 — 闭环纯视觉求解器 实现一个独立的闭环策略，严格依赖立体 RGB 摄像头输入（head_camera_left_rgb_image、head_camera_right_rgb_image）和机器人本体感知（add_privileged_task_observations=False）： 1. 在两个立体视图中分割 12 个球、金/青绿色托盘和红/蓝色托盘，并三角化它们的 3D 坐标。 2. 每次称重后，根据立体垂直像素视差视觉读取天平倾斜（+1 = 左重，-1 = 右重，0 = 平衡）。 3. 在狭窄的天平托盘内抓取/放置时，将夹爪腕部偏航旋转 90 度以避开凸起的边缘，并在 <= 3 次称重内把异球隔离到红色或蓝色托盘中。

3. 价值函数

Argon 是机器人任务的通用价值函数。在人类 UMI 数据集中一段 60 秒的双臂圆环分类片段上进行评估时，Argon 迭代检查接触转换周围同步的头部、左夹爪和右夹爪摄像头画面，生成稠密价值函数/任务进度预测，并把轨迹分解为 28 个具有正、中性和负进度斜率的片段。

视频 33 价值函数：同步的 3 摄像头 UMI 回放（头部、左夹爪、右夹爪），锁定到动画任务进度曲线和双臂片段标注。

提示：

已附加：umi_head.mp4、umi_left_gripper.mp4、umi_right_gripper.mp4

观看 3 段人类佩戴夹爪执行活动的视频，分别从头部、左、右夹爪视角拍摄。彻底观看视频，给出任务进度的详细曲线（带正、中性、负斜率），识别视频中的重要片段并标注活动。如有必要，观看单帧或子片段以更好理解。

用 Argon 解锁研究与自我改进

1. 通过仿真改进动作

Argon 可以在仿真中生成新数据，以提升通用视觉-语言-动作（VLA）模型的性能。从一张真实桌面的单张 RGB 照片开始，Argon 自主构建校准过的 MuJoCo 仿真孪生体，定义新任务，并合成一个闭环运动生成器，在仿真中收集 4500+ 段域随机化片段——将真实世界物理机器人的成功率从 56% 提升到 75%，并将完成时间从 35 秒缩短到 24 秒。

视频 34 通过仿真改进动作：提升了真实世界评估基准（成功率 56% → 75%，完成时间 35 秒 → 24 秒）。

提示：

已附加：real_tabletop_photo.jpg

你获得了一张双臂机器人工作区（两个 7 自由度 Franka FR3 手臂，带平行夹爪和 4 个 RGB 摄像头）的单张俯视 RGB 摄像头照片（real_tabletop_photo.jpg），桌面上摆着照相亭派对道具。 1. 为所有 9 个派对道具重建程序化 3D 网格和复合 MuJoCo 碰撞基元，匹配其真实世界尺寸、颜色和静止姿态，包括为柔软毛绒帽生成弹簧铰链可变形冠板。 2. 定义一个 77 任务单臂和双臂课程（拾取放置、扶正、定向推动、空中交接、双臂铲推，以及流水线式清理桌面）。 3. 在 ±10 厘米姿态随机化下合成闭环 IK 轨迹生成器，在 MuJoCo 物理中验证 reward == 1.0，并导出 4500+ 段用于 VLA 微调的片段。

2. 视觉拾取与放置的自我改进

在一个简单的 6 自由度机械臂上，Argon 通过试验和自我反思，在拾取放置任务上迭代自我改进，提升执行速度和放置精度。

视频 35 SO-101 视觉引导拾取放置——跨迭代 1 → 2 → 3 的硬件自我改进：迭代 1（58.9 秒），迭代 2（22.9 秒，放下时擦到盒子边缘），迭代 3（17.4 秒，正中投放）。

提示：

阶段 1 — 测量物体与空跑规划（无硬件运动） 阶段 1：测量物体——找到物体并规划整个动作。此阶段机械臂不移动。

A. 我在机械臂前方的桌子上放了一个乐高积木和一个盒子，木箱放在一边。在图像中找到积木和木箱，也在真实世界中找到。在标注图像中展示。

B. 空跑规划（无硬件）。编写拾取和放置乐高积木的规划器。打印规划表，把所有姿态画到俯视图像上，然后停止。不要移动机器人。 带证据报告。

阶段 2 — 预抓取悬停与腕部摄像头验证 阶段 2：把夹爪移到积木上方但不接触，用腕部摄像头验证机械臂和视觉是否一致。请用两个摄像头记录执行过程（压缩视频即可）。

阶段 3（自主拾取放置 → 自我改进 → 优化）： 1. 自主执行：把阶段 1 的空跑变成真实的抓取、抬起并放进木箱。在遵守 AGENTS.md 安全规则的前提下自行运行。

2. 自我改进：尝试失败时，自行诊断。检查自己的日志和腕部/俯视录像，找到根本原因，在空跑中验证修复，然后重试。

3. 根据反馈优化：一旦成功，在安全限制内（规则 R5）使其至少快 2 倍，除非我授权更多，或给出反馈。

3. 在 MuJoCo WebAssembly 中一键复现机器人论文

每篇论文只需一个提示，Argon 阅读机器人控制手稿和任何发布的检查点，把物理模型和闭环控制器（从 DeepLoco 中的 7 网络分层运动，和 HUSKY 中的 50 Hz PPO 执行器，到 Whole-Body MPC 中的 Web Worker iLQR）移植到自包含的 MuJoCo WebAssembly 浏览器实验室中，并在无头 Chromium 中进行验证。

视频 36 五个里程碑式腿足与类人论文在浏览器中实时运行（MuJoCo WASM）：机器人足球 OP3 1v1、DeepLoco、大规模并行深度强化学习 ANYmal C、全身 MPC Go2，以及 HUSKY G1 滑板（来自 Argon 复现的 68 个交互式浏览器沙盒）。

提示：

已附加：paper.pdf、可选的 author_checkpoints/ 或 urdf_assets/

从头开始在 MuJoCo WebAssembly 中复现论文“<论文标题 & arXiv ID>”，并部署一个自包含的浏览器实验室 + 视觉文章： 1. 在 MuJoCo XML 中匹配论文的确切物理时间步、执行器增益（kp/kv）、扭矩限制和运动学约束，并以论文的确切控制速率在 JavaScript 中运行真实神经网络推理或 Web Worker iLQR。 2. 构建 index.html（带摄像头预设、实时遥测图和干扰注入的空间 UI 仿真器）和 scrollytelling.html（交互式视觉文章）。 3. 运行无头 Chromium（Playwright）验证循环，断言 0 个控制台错误，并在 300+ 帧内非零任务进展。

用 Argon 推进具身智能

Argon 将编程、视觉感知、物理仿真和具身机器人控制连接在一起。通过对多视角视频、3D 几何、接触力学和本体感知遥测进行原生推理，Argon 不仅理解场景中有哪些物体，还理解它们如何与智能体物理交互，以完成全身灵巧任务。Gemini 4 Argon 标志着加快通往物理 AGI 道路上的一个重要里程碑。通过构建这种核心智能，我们的目标是让机器人能够与人类并肩工作，解决复杂挑战。

开始使用

你今天就可以在 Google 的开发者平台上开始使用 Gemini 4 Argon 进行构建：

• Google AI Studio：向 Google AI Ultra 订阅者提供。
• Gemini API：随 AI Studio 中 Gemini API 的付费层级提供。在 Interactions API 中使用 gemini-4-argon，并从第一天起在 google-genai SDK 中获得支持。
• Google Antigravity：向 Google AI Ultra 订阅者提供。要开始构建，请在 Google Antigravity 中选择 Gemini 4 Argon（gemini-4-argon）作为你的活跃模型，用于复杂规划、/goal 运行和多智能体编排。

讨论气氛以质疑和调侃为主，分歧集中在谷歌的 Argon 类机器人模型是否已接近实用。多数声音认为，按当前模型效率与硬件能效，真正能电池供电、装进普通机器人并通用工作的形态还要等多年，且现有演示并未展现谷歌资源应有的碾压优势，甚至被拿来和 Figure 3、Unitree 的跑酷表现对比而显得逊色；少数开发者和尝鲜用户则对零样本控制、仿真数字孪生、避障与蒸馏落地等进展感到乐观或惊艳。

肯定零样本控制、仿真训练与避障等进展，认为原型已能跑通

• 机器人开发者和居家尝鲜用户认为，通用大模型能通过视觉框架和预定义动作原语零样本指挥机器人，配合卫星影像重建的三维环境做仿真训练，并把大模型产出的数据蒸馏成可部署的小模型；实际体验里 Argon 4 相比 Opus、Astra 更谨慎，会缓慢走向桌子、转向并描述物品，而整套系统还是在家几小时内手写代码拼出来的（认可度：较多人） > 相比 Opus 和 Astra，Argon 4 会缓慢走向桌子、转向并描述桌上物品，还能避开墙壁和物体（@comandillos）

认为电池供电的便携机器人仍需十年，近期只能插电使用

• 有人按模型效率每18个月提升90%、硬件每瓦性能每两年翻倍的增速推算，能靠电池在普通体型机器人上运行合理时间的 Argon 还差约十年，达到通用而非狭义有用的速度还要再加几年；较现实的近期产品是5到7年后像老式吸尘器一样插电的平价机器人（认可度：少数人） > 即便效率持续提升，能靠电池在普通机器人上跑合理时间的 Argon 也还差大约十年（@onlyrealcuzzo）

认为谷歌表现未达资源预期，还不如 Figure 3

• 有人觉得演示只是略让人印象深刻，以谷歌的资源本应碾压竞争对手；当前智能还不如 Figure 3，别的 Unitree 机器人已经能做跑酷，而它还得挂在钩子上才能工作（认可度：少数人） > 以谷歌的资源本该碾压对手，但这东西还不如 Figure 3，别的机器人跑酷时它还得挂在钩子上（@dyauspitr）

认为与其造捡垃圾机器人，不如从源头不乱扔垃圾

• 有人调侃，如果机器人是用来捡垃圾的，更根本的解决办法是人类一开始就不要往地上扔垃圾（认可度：少数人） > 就不能先不往地上扔垃圾吗？（@alpineman）

有价值的补充

• 把机器人自主建造产线、递归扩张的设想比作《Factorio》里的工厂套工厂，并调侃这个概念适合做成游戏。