Gemini 4 Argonは身体推論で87%、実機アームのタスクは1件52分

10月13日、GoogleはGemini 4 Argonを世界で公開し、Physical Intelligenceは同日、Piが運用するインフラ上で自社のπ0とπ0.5ロボットモデルを微調整するAPIのベータを公開した。

Googleは、シミュレーションを組み、データにラベルを付け、進捗を採点し、制御コードを書くという、機械を囲む遅い層としてロボティクスに参入している。一方、PiのAPIは、汎用モデルがそのループを安くする前に、顧客の収集・学習・検証のループを握ろうとする試みだ。この対立は反証できる。汎用モデルが制御ループ自体を閉じられるほど速くなれば、専門特化の立場は導入作業へと縮む。

Argonの仕事は制御ループの隣にある

Googleの開発者向けブログは、Argonのロボティクス用途を4つ挙げる。ロボット制御、Real2Sim、事後ラベリングや進捗推定といった物理理解、そして研究と自己改善だ。Googleの例の大半は遅い作業にあたる。Googleによれば、Argonは人がコーンホールを投げる生映像を視聴し、環境をマッピングし、全身の関節動作を計算してシミュレーションコードを書いた。ApptronikのApolloヒューマノイドでは、その後7投連続で成功した。Googleは、自社のVideo-to-Sim-to-Realパイプラインが数週間分の手作業のシミュレーションモデリングを数時間に圧縮すると述べる。Googleによれば、卓上の1枚のRGB写真から、Argonは較正済みのMuJoCoツインを構築し、77のタスクを定義し、VLA微調整用に4,500件を超えるドメインランダム化エピソードを生成して、実機の成功率を56%から75%に高め、完了時間を35秒から24秒に短縮した。6自由度のSO-101アームでは、Googleによると、pick-and-placeが3回の反復で58.9秒から17.4秒に縮んだ。

Humanoids Dailyは、コーンホールのワークフローが実機での物理的な試行からのフィードバックを取り入れたと報じる。この連続成功や75%という数字が、数えていない多くの試行の末に出たものなら、どちらも7投のクリーンな成功が示すほど信頼性を語らない。制御のデモも同じ点を突く。Googleの「ゼロショット制御」のマグカップのタスクは、2cmの世界座標グリッドを投影した手首カメラの画像と、graspやplace_until_contactといった事前構築済みのプリミティブをArgonに渡す。モデルは関節を指令するのではなく、プリミティブの中から選ぶ。Googleはすでに空間知覚とタスク計画向けのGemini Robotics-ER 1.6も出荷している。

フロンティアモデルは人間の約100倍遅い

10月14日に公開されたArtificial AnalysisのAA-Robotics v0.1は、実機の6軸Hiwonder NexArm（5関節とグリッパー）を、簡単なHTTP APIを通じて4台のカメラと8つの卓上タスクでゼロショットで動かした。100点満点で、GPT-6 Astraが69.4、GPT-6.1 Solが64.6、Gemini 4 Argonが55.3、Claude Opus 5.5が48.8、Claude Fable 5.1が46.3だった。

より鋭い結果は時間だ。Artificial Analysisは、モデルが人間よりおよそ100倍遅く、人間の平均20秒に対して1タスクあたり約30分だと計測した。Argonは52分、つまり3,120秒で最も遅く、人間の基準の約156倍だった。30分という平均は90倍にあたる。Argonはまた、最初の動作までに平均21分を観察と推論に費やし、これは他のどのモデルよりもほぼ2倍長い。Artificial Analysisは1タスクあたりのコストをGPT-6 Astraで16.36ドル、GPT-6.1 Solで1.93ドルとし、今日のフロンティア言語モデルは「あらゆる本番利用にはあまりに遅く高価すぎる」と述べつつ、それが急速に変わることを見込んでいる。

GoogleのERQAでの87%は、そうした数字の隣に置かれる。ERQAは空間推論に関する400問の多肢選択式からなるGoogleの身体推論ベンチマークだ。Googleはこの結果が純粋な推論によるもので、他のあらゆるフロンティアモデルを上回ると述べる。Googleのチャートで2位のClaude Opus 5.5は82.3%だった。ERQAが測るのは空間推論であり、ロボットがタスクを完遂するかどうかではない。そしてArtificial Analysisがこの種のモデルを実機のアームの前に置くと、Argonは3位になった。

Piはループを売る。そのループこそが賭けだ

Piのベータが渡すのは、コントローラーではなく反復ループだ。開発者はデータをアップロードし、Piが管理する計算資源とインフラ上でπ0とπ0.5ファミリーの微調整を始め、その結果をホスト型の推論ゲートウェイで実行する。Piはこのループを、デモを集め、モデルを学習し、ロボットで試し、失敗を次のデータ選びに活かすことだと説明し、「私たちは、開発者が最新モデルを使ってこの反復ループを自分で回せるようにAPIを作った」と書く。PiはAPIを通じて最新モデルへのアクセスを提供し続ける計画だと述べ、「私たちのモデルが使われるほど、改良の方法を学べる」と付け加える。

初期の証拠は小さいが、名前はある。Piによれば、Almondの双腕Axolロボットは、APIを通じた4日間の反復で得たモデルを使い、自社の組み立てに使うスペーサーのバリ取りをした。またActorの自律型ホイールローダーは、ユタ州の商用展開で、運転席に誰も乗せずにダンプトラックへ資材をすくい入れた。Piは他にAgRobotics、CloudChef、ある乳製品パートナー、Ultra、Weaveを挙げる。アプリケーションの大半はAPIを通じたクラウドホスト型の推論で動き、Piは一部についてネットワーク接続を課題に挙げる。

分業に対する最も強い反論は、Googleのブログ記事自体にある。ロボット制御は4領域のうちの最初で、Argonは制御コードを書き、SO-101の結果はPiが売るまさにそのループ上での自己改善だ。汎用モデルがそのループを自力で回せるほど速く安くなれば、ホスト型の反復はコモディティ化し、Piに残るのは導入作業の販売になる。Argonが2つのGPT-6モデルに続いて3位に入ったことは、汎用モデルの競争がまだ決着していないことを示す。だから「高速なコントローラー」のシナリオは競合他社から来るかもしれない。注視すべき数字は次回のAA-Roboticsでの遅延だ。1タスクあたりの時間が52分から人間の基準である20秒へ向けて下がれば、学習レイヤーの専門企業を別に立てる理由もそれだけ弱まる。