Gemini 4 Argonが人の動画から計算、人型ロボがコーンホール7連続成功

Google DeepMindの社内テストで何をしたのか

映像のタイトルは「Teaching a humanoid robot to play cornhole with Gemini 4 Argon」（Gemini 4 Argonで人型ロボットにコーンホールを教える）です。公開日は2026年10月13日で、Google DeepMindの公式YouTubeチャンネルに掲載されています。

説明文によると、これは社内テストです。Google DeepMindのロボティクス研究者が、Gemini 4 Argonに「人がコーンホールで遊んでいる動画」を見るよう指示しました。

投げる役は、Apptronik社の人型ロボット「Apollo 2」です。Gemini 4 Argonは動画を見て計算する役で、実際に体を動かして投げたのはApollo 2です。

動画からMuJoCoで仮想シミュレーションを組む

説明文では、Gemini 4は動画理解と高度な推論の能力を使い、MuJoCoで仮想シミュレーションを組んだとされています。

そのうえでGemini 4は、Apollo 2が現実で7投連続で決めるために必要な物理と全身の制御を計算しました。説明文はこの計算を「accurately calculated」（正確に計算した）と表現しています。腕の動きだけでなく、人型ロボットの全身の動かし方まで計算の対象になっている点が、説明文から読み取れることです。

流れをまとめると、次の3段階です。人の動画を見る。その動画をもとに仮想のシミュレーションを組み、物理と全身の制御を計算する。計算した動きを現実のロボットで実行する。

現実のApollo 2が7投連続で決めた

シミュレーション上の計算をもとに、Apollo 2は現実の環境で7投連続で決めました。説明文の原文は「sink seven consecutive shots in the real world」で、仮想空間ではなく現実で決めたことを明記しています。

なお説明文に書かれているのは「7投連続」という結果で、テスト全体で何回投げたのか、成功率がどうだったのかは書かれていません。この記事では、公式が示した「現実で7投連続」という範囲だけをお伝えします。

「Video-to-Sim-to-Real」で数週間の作業が数時間に

Google DeepMindは、この一連の手順を「Video-to-Sim-to-Real」（動画からシミュレーション、そして現実へ）のパイプラインと呼んでいます。

説明文によると、このパイプラインは、手作業なら数週間かかるモデル作りを数時間に縮めます。比べているのは、人が手作業でモデルを作る場合にかかる期間です。

さらにGoogle DeepMindは、このパイプラインによって、ふつうの動画がフィジカルAIにとって無限の訓練の場に変わると説明しています。これはGoogle DeepMind自身による位置づけです。

公式の説明文から分からないこと

今回の一次情報は、YouTubeの説明文と映像タイトルです。そこに書かれていない点は、この記事でも扱っていません。具体的には、テストの総投球数や成功率、使った人の動画の長さや本数、Gemini 4 Argonの提供時期や提供範囲、Apollo 2以外のロボットでも同じ手順が使えるかどうかです。

説明文の末尾には、Gemini 4 Argonについての詳しい情報として、Googleの公式ブログの紹介記事「introducing-gemini-4-argon」へのリンクが載っています。モデル自体の仕様や提供範囲は、その公式記事で確認してください。