Gemini 4 Argon de Google DeepMind: IA para robótica con 87% en ERQA

👁 116 lecturas

Google DeepMind ha presentado Gemini 4 Argon for Robotics, un modelo de IA especializado diseñado para aplicaciones en robótica que ha alcanzado un 87% en el benchmark Embodied Reasoning (ERQA), superando a todos los demás modelos de frontera evaluados en razonamiento espacial y físico. El anuncio se dio a conocer el 13 de octubre de 2026 de la mano de Kanishka Rao, ingeniero jefe de software en DeepMind.

Qué es el benchmark ERQA y por qué destaca el 87%

El benchmark ERQA (Embodied Reasoning and Question Answering) evalúa la capacidad de un modelo para comprender y resolver problemas físicos y espaciales en entornos tridimensionales. No se limita a preguntas sencillas sobre una imagen, sino que exige un razonamiento complejo: cómo reaccionará un objeto al caer, dónde se sitúa el centro de gravedad o cómo debe posicionarse un robot para no perder el equilibrio durante un movimiento intrincado. Argon alcanza ese 87% recurriendo únicamente a razonamiento puro (pure reasoning), sin recurrir a módulos adicionales ni herramientas físicas especializadas.

En comparación, los modelos de lenguaje anteriores -incluso opciones avanzadas como GPT-4o o entregas previas de Gemini- obtenían resultados notablemente inferiores en este tipo de pruebas. DeepMind no ha compartido cifras directas de los competidores en este mismo benchmark, pero la afirmación de haber superado a «cualquier otro modelo de frontera» es contundente y verificable. Supone un avance con implicaciones directas en el mundo real: un robot gestionado por este sistema puede analizar al vuelo si un agarre es seguro, si una trayectoria provocará una colisión o cómo replanificar sus movimientos si algo falla.

Cuatro áreas de aplicación: de Spot a bocetos a mano

Argon no es un modelo limitado a una sola tarea. DeepMind define cuatro áreas clave de aplicación a lo largo de todo el ciclo de vida de un sistema robótico.

La primera es el control de robots. El ejemplo más llamativo sitúa a Argon al mando del cuadrúpedo Boston Dynamics Spot, dotado de patas con 12 grados de libertad y un brazo manipulador con 6 grados de libertad. El reto consiste en aprender una nueva habilidad: pisar el pedal de una papelera con apertura de pie e introducir una lata de refresco light. Antes de ejecutarlo en el robot físico, el modelo genera un gemelo digital del cubo en el simulador MuJoCo y entrena dinámicas como el equilibrio sobre tres patas mientras acciona el pedal. Solo tras ese entrenamiento en simulación pasa Spot a la ejecución física: emplea la cámara frontal para comprobar que la pata delantera derecha queda centrada sobre el pedal y verifica la posición del brazo sobre la papelera abierta mediante dos agentes de validación (foot-verifier y hand-verifier). Se trata de un bucle Real-to-Sim-to-Real completo gestionado de extremo a extremo por Argon.

La segunda área es Real2Sim: la reconstrucción de gemelos digitales calibrados físicamente a partir de entornos reales. Argon es capaz de recrear una simulación a partir de la cámara del robot, de un vídeo en primera persona (visión egocéntrica) o incluso de un boceto dibujado a mano sobre papel. Esto resulta especialmente práctico para laboratorios que no disponen del tiempo ni de los recursos necesarios para modelar simulaciones desde cero.

La tercera área corresponde a la comprensión física. En este apartado, Argon opera como un sistema de etiquetado multimodal de datos con análisis retrospectivo de eventos (agentic multimodal hindsight labeling). Puede evaluar el nivel de destreza de un movimiento ejecutado, asignar funciones densas de valor a los pasos de una trayectoria y estimar el progreso de una tarea. En la práctica, permite generar datos de entrenamiento de alta calidad de forma automática, sin depender de anotadores humanos.

La cuarta área abarca la investigación y automejora: un ciclo iterativo donde Argon propone ajustes a sus acciones según los resultados en simulación, los prueba y traslada la política optimizada al hardware físico. Así, el modelo actúa tanto de ejecutor como de investigador del propio proceso.

Control zero-shot y sus implicaciones para el software robótico

Destaca también la demostración de control zero-shot: sin entrenamiento previo específico en ese hardware, Argon maneja un brazo robótico básico para levantar un vaso volcado e introducir dentro una servilleta arrugada. El modelo procesa la imagen de la cámara de muñeca con una cuadrícula de coordenadas superpuesta (2 cm por píxel en el entorno real) y envía instrucciones mediante peticiones curl directas a la API del robot. Cada pocos movimientos genera una observación en una frase, planifica el siguiente paso y lo ejecuta. Este flujo traslada la mecánica de los agentes basados en lenguaje directamente a la interacción con el mundo físico.

Para los desarrolladores de robótica, esto marca un cambio relevante. Hasta ahora, conectar un modelo de lenguaje con la pila de control de un robot requería capas complejas de abstracción. Argon propone un esquema donde el propio modelo interpreta el estado del entorno y genera acciones en un formato estructurado y ejecutable por la máquina, prescindiendo de intermediarios de traducción.

AGI física: una narrativa ambiciosa con base técnica

DeepMind emplea explícitamente la expresión de acelerar el avance hacia una «AGI física». Es una afirmación ambiciosa que en otros contextos podría sonar a hipérbole publicitaria, pero que aquí cuenta con un respaldo medible: un 87% en un benchmark espacial de referencia, funcionamiento contrastado sobre hardware real, aprendizaje autónomo vía simulación y resolución del ciclo Sim-to-Real.

Argon no es un producto comercial listo para descargar hoy en día. Se trata de una presentación técnica y de investigación que marca el rumbo de la plataforma Gemini en robótica. Para los equipos que desarrollan plataformas móviles, automatización logística o robótica médica, la conclusión principal es clara: el razonamiento espacial de estos modelos ha alcanzado el umbral a partir del cual la utilidad práctica sin supervisión constante empieza a ser viable.

Y esta es únicamente la primera demostración pública de las capacidades de Argon.

// sigue leyendoGoogle Gemini 4 Argon: nuevo modelo para tareas profesionalesNoticiasEl nuevo jefe de Google DeepMind confirma que Gemini 4 está casi listoBenchmarksPrecios de Gemini 4 Argon: API y planes Google AIHerramientas de IA

Kinetyra