谷歌推出机器人模型 Gemini 4 Hydrogen
这款面向机器人的模型侧重空间与具身推理,发布时即获 google-genai SDK 支持。配套的 Antigravity 插件覆盖硬件调试、MuJoCo 仿真和闭环控制,可串起实机与仿真验证。
AI 深度解读
Google 把 Gemini 4 Hydrogen 用在了机械臂上。开发者给它一个自然语言目标和摄像头画面,它可以写控制代码、执行动作,再根据新画面修正。配合 Google Antigravity 的 Robotics 插件,同一个工作台还能做硬件校准、搭建仿真和调试控制器。
这次发布有两组基准结果,也演示了从 USB 接线到机械臂执行任务的过程。对前端和全栈开发者来说,最直观的例子是一个能触发实体拣货的网店。更值得拆解的是,订单、仿真和真实动作之间要经过哪些环节。
更快的通用模型,能把机械臂控制做到哪一步?
Gemini 4 Argon 和 Gemini 4 Carbon 已经演示过通用模型的几项机器人能力,包括理解 3D 场景、在仿真中重建真实环境、先练习再上真机,以及根据相机图像直接控制机械臂。Gemini 4 Hydrogen 保留了这条路线。给它相机画面和一个目标,它会规划任务、编写并运行控制代码,根据执行结果继续调整。这就是闭环控制(closed-loop control)。比如夹爪伸过去后,系统可以根据更新的观测判断物体有没有夹住,再决定下一步动作。
作者给出了两组测试结果。Artificial Analysis Robotics 0.1 让模型控制一台真实的 6 轴机械臂,完成倒饮料、把积木装进盒子等 8 项桌面任务。Hydrogen 得了 58 分,和 Argon 接近,每 token 成本更低。公开的 ERQA 基准测的是空间理解。Hydrogen 在多视角对应和 3D 轨迹推理等任务上超过了 Gemini Robotics ER 2。多视角对应可以理解为换个机位后还能认出同一个物体,3D 轨迹推理则要求理解物体在空间里怎么移动。
这两组成绩分别覆盖了真机任务和空间判断。原文没有公布 Hydrogen 的端到端控制延迟、具体 token 单价或每项任务的成功率。标题里的「更快」是 Google 的产品定位,读者还无法据此估算一轮观察、推理和执行要花多久。
从 USB 接线到真机,插件接手了哪些工作?
Robotics 插件把机械臂接入、仿真、感知和应用开发放到了 Antigravity 里。接入时,它安装驱动、发现摄像头、校准机械臂并运行测试动作。作者演示用笔记本接入 I2RT YAM 和外置深度相机,大约 10 分钟完成校准。团队也演示了低成本的 SO-ARM101 和工业级 FR3 Duo 从初次接入到挥手。接好之后,可以用自然语言让机械臂跳舞、捡笔或叠零食。
仿真用的是 MuJoCo。插件可以根据文字描述、链接、文档或工作区照片创建场景,并在 Antigravity 里审查和预览。开发者可以在聊天里调整物体形状、位置和物理属性,先看机械臂够不够得着、能不能抓稳。作者给出的流程叫 Real-to-Sim-to-Real,也就是从真实场景出发,在仿真里验证控制策略,再回到真机部署。
Google 的零食分拣演示走完了这条流程。开发者从白板草图和实景照片出发,让 Hydrogen 搭出一套带传送带的交互式 MuJoCo 仿真,多轮验证抓取策略,再部署到真机。碰到夹爪闭合力度和分拣规则要微调时,开发者通过自然语言继续改控制器。作者称,端到端大约一小时后,机械臂能从移动的传送带上稳定分拣零食。原文没有交代运行了多久,也没有给出连续分拣的成功率。
网店接上机械臂,网页承担哪一段?
肥皂店演示把一个小型 Web 商店接到了两台 YAM Pro。订单进来后,机械臂摆出打包盒,拣取顾客下单的薄荷和柑橘香皂,再从打印机取出感谢卡。Google 还演示了 FR3 Duo 在仿真中搭建棋盘,随后自我对弈或和人下棋。
肥皂店案例里,订单提供了可结构化的业务输入,机械臂负责履约动作。原文没有公开两者之间的接口,也没有披露订单重试、抓取失败恢复或全天运行的统计。Google 认为 Hydrogen 的效率让全天运行变得可行,这个演示展示的是多步流程如何串起来。
我的判断
我认同作者把仿真放进日常开发流程。机械臂能不能碰到目标、换一个摆放位置还能不能抓住,这些问题可以先在 MuJoCo 里反复试。相较于用固定脚本驱动一条稳定工序,模型更适合帮助开发者处理来自相机的场景变化、生成初版控制器,以及快速修改规则。对于品类固定、摆位明确的任务,固定脚本的行为更容易逐步核对。
「约 10 分钟接入」和「约一小时完成分拣」是作者演示中的用时。文章没有给出相同硬件和任务下,手动安装驱动、搭建仿真、编写控制器需要多久。也没有说明换成其他相机和夹爪后要补多少工作。把这些时间当作具体配置下的经验之谈更合适。真要评估能否用于自己的项目,应该用自己的视角、工件和动作范围测一遍。
能拿来做什么
- 有文中演示过的机械臂,可以在 Google Antigravity 中选择 Gemini 4 Hydrogen(
gemini-4-hydrogen),进入 Customizations,在 Build With Google 里搜索 Robotics。原文给的试跑指令是Bring up my SO-101 arm and make it wave.,Antigravity 面向付费的 Google AI Pro 或 Ultra 用户。 - 想在接入硬件前评估空间理解,可以先在 Google AI Studio 用同一物体的不同视角试空间提示词,再看实时摄像头流和结构化工具调用的表现。准备接入自己的应用时,原文给出的入口是 Gemini API 的 Interactions API,
google-genaiSDKs 从发布首日支持gemini-4-hydrogen。 - 想复现网店履约,可以先把一条订单映射成摆放打包盒、按 SKU 拣货、取感谢卡三个步骤,在 MuJoCo 验证抓取,再接上真机。前端可以分别显示订单已接收、拣货进行中和动作执行结果,便于定位问题发生在哪一步。