让机器人扔掉两罐汽水，难点不只是“看见垃圾”：它还得找到罐子、踩准脚踏板、确认桶盖打开，再把罐子放进去。Google 展示的 Gemini 4 Argon 正在承担这类机器人“大脑”工作，把视觉、语言和空间判断转成动作计划，显示 Gemini 的多模态推理已从文字与代码延伸到物理世界。
最具体的演示来自 Boston Dynamics Spot 四足机器人。Argon 先为脚踏垃圾桶制作 MuJoCo 数字孪生——也就是遵循相似物理规律的虚拟副本，让机器人在仿真中练习。进入现实环境后，它还会调用两个验证代理，分别检查脚是否对准踏板、机械手是否伸进桶内，再决定是否松手。这属于闭环控制：每做一步都重新观察并修正，而非照着固定动作一路执行。
Google 自述称，Argon 在测试三维物理与空间问题的 ERQA 基准中取得 87%。不过，材料没有披露机器人演示的成功率、失败次数或跨环境稳定性，因此它目前更像一组能力展示，还不能据此判断通用机器人控制已经成熟。