Gemini 4 Argon potencializa agentes de IA para humanoides, Blender, impressão 3D e animação

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Gemini 4 ARGON AI Agents Supercharge Humanoids, Blender, 3D Printing, Animation · Canal: AI News · 07:55 · Assistir no YouTube

Tópicos: Agentes de IA, Geração de conteúdo com IA, Robótica e sistemas autônomos

Resumo

O vídeo apresenta demonstrações do Gemini 4 Argon em robótica, modelagem 3D, impressão 3D, criação de jogos e animação. Em um exemplo, o robô humanoide Apollo 2 aprende a jogar cornhole a partir de um vídeo, usando simulação e análise dos próprios erros. Outras demonstrações mostram o modelo criando cenas no Blender, projetos imprimíveis e um jogo baseado em fotos de uma mesa. A equipe também usa Argon para gerar animações e música por código, com agentes trabalhando em paralelo e opções de edição interativa.

Pontos-chave

O Apollo 2 aprende a jogar cornhole observando um vídeo e ajustando os movimentos após cada tentativa.
Argon usa simulações de física e reconstruções do mundo real para testar ações antes de executá-las no robô.
O modelo pode construir simulações a partir de gravações de robôs, vídeos humanos ou esboços.
Em uma demonstração, Argon controla um humanoide por meio de um ciclo visual de ações, inspeção e refinamento de prompts.
Uma cena arquitetônica detalhada é criada no Blender com referências visuais, agentes especializados e um agente crítico.
Argon gera opções de pernas para um sofá a partir de uma foto e medidas desenhadas à mão, e produz um arquivo para impressão 3D.
Fotos de uma mesa servem de base para criar um jogo de corrida 3D com objetos, colisões e física.
O sistema também cria animações e música usando apenas código, com uma interface para ajustar os resultados em tempo real.
Subagents podem trabalhar em paralelo para gerar várias versões de uma animação.

Capítulos

Início	Capítulo	Resumo
00:00	O humanoide aprende cornhole	Apollo 2 aprende a jogar cornhole ao observar um vídeo, identificar falhas e ajustar sua postura e seus movimentos.
02:09	Simulação de robôs e controle visual	Argon cria simulações a partir de gravações, vídeos e esboços, e também controla um humanoide por meio de um ciclo visual iterativo.
03:45	Arquitetura 3D no Blender	Uma equipe de agentes constrói uma cena arquitetônica no Blender, comparando as renderizações com imagens de referência.
04:47	Impressão 3D e jogo baseado em fotos	Argon cria um projeto de pernas para um sofá e transforma fotos de uma mesa em um jogo de corrida 3D.
06:20	Animações geradas por código	Argon cria animações e música sem arquivos de entrada, permite ajustes em tempo real e usa subagents em paralelo.

Citações

Finalmente aconteceu. — 00:00

Com cerca de 4,5 m/s, estava no ponto ideal. — 01:05

Argon trabalhou em um ciclo visual fechado. — 03:13

Isso começou apenas com uma foto e um bilhete. — 04:47

E se Argon não tiver nada para começar? — 06:20

Conceitos e entidades

Gemini 4 Argon (modelo): Modelo apresentado no vídeo em demonstrações de robótica, criação 3D e animação.
Apollo 2 (modelo): Robô humanoide usado na demonstração de aprendizagem do jogo cornhole.
Apptronik (empresa): Empresa associada ao robô Apollo 2 mencionado no vídeo.
Google DeepMind (empresa): Equipe que apresenta demonstrações do Gemini 4 Argon, incluindo a criação de cenas no Blender.
Blender (ferramenta): Software de criação 3D usado para construir cenas, objetos e ambientes nas demonstrações.
Nano Banana (modelo): Ferramenta usada para gerar imagens de referência e aplicar texturas a cenas.
Antigravity (ferramenta): Ambiente usado nas demonstrações para executar ciclos com agentes e criar projetos.
Gemini Omni Flash (modelo): Modelo usado para gerar o áudio de motor no jogo de corrida apresentado.
Three.js (ferramenta): Biblioteca usada para executar o jogo de corrida 3D criado a partir de fotos.

Tradução completa (pt-BR)

00:00 Finalmente aconteceu. O Google acaba de lançar seu mais novo Gemini 4 Argon, com mais de uma dúzia de demonstrações que mostram a próxima fronteira da IA para humanoides, design 3D, impressão 3D e muito mais. Então, hoje no AI News, vamos ver as melhores delas para descobrir o que a próxima geração de loops agênticos acabou de desbloquear. Começando pelo robô humanoide Apollo 2, da Apptronik, que acabou de aprender sozinho a jogar cornhole a partir de um único vídeo, usando um loop de observar, simular, falhar e corrigir. E a velocidade com que ele aprendeu foi impressionante, porque

00:34 seu primeiro arremesso errou por apenas 86 cm. Mas, no 18º arremesso, ele já lançava os saquinhos de forma consistente, um após o outro, dentro de um buraco de 15 cm de largura. E o Google diz que isso aconteceu porque o Gemini 4 Argon diagnosticava cada falha por conta própria, fazendo algo incrível que você vai ver daqui a pouco. Primeiro, o Argon percebeu que os arremessos certeiros do humano não miravam de fato no buraco. Em vez disso, os arremessos certeiros geralmente caíam na plataforma de madeira inclinada acima dele e, então,

01:05 deixavam que o atrito deslizasse o saquinho para dentro. Em seguida, o Argon resolveu a velocidade de soltura ao descobrir por conta própria que pouco menos de 4 m/s não era suficiente, mas pouco mais de 5 m/s passava do alvo, e que cerca de 4,5 m/s era o ponto ideal. Depois, corrigiu cada um dos problemas físicos, um de cada vez. Um movimento rápido poderia fazer o robô tombar, então ele ampliou a base de apoio. Enquanto isso, um movimento reto poderia encostar na armadura da coxa, então ele fez sua própria verificação de colisão 3D e deslocou o ombro para fora

01:35 para criar mais espaço. E, no primeiro arremesso de verdade, o saquinho escapou cedo demais, e o Argon rastreou a causa pela câmera do pulso: uma pegada meio aberta que não conseguia suportar uma força de tração de 9,4 newtons no ponto mais baixo do movimento. E o Google diz que o robô então acertou sete arremessos consecutivos. Em sua própria narração, o Argon conta seis arremessos seguidos sem nenhum contato com a coxa. Além disso, o Argon conseguiu fazer isso usando real to sim para reconstruir o mundo dentro de um simulador de física, praticar seus movimentos primeiro ali e depois voltar com o que aprendeu

02:09 para executar no robô físico, com o Google mostrando três métodos em particular. O primeiro parte de uma gravação feita pelo próprio robô. Nesse caso, o Argon observa um episódio real de teleoperação e cria um gêmeo digital. Ele encontra ou cria recursos de simulação que se comportam como objetos reais quando as mãos os tocam e, em seguida, continua ajustando tudo até que a simulação corresponda à filmagem real, incluindo os eventos de contato. O segundo método parte do vídeo de um humano, como no exemplo de cornhole. O Argon identificou os objetos importantes e substituiu caixas rudimentares

02:40 por formas detalhadas, para que os recipientes mantivessem suas aberturas, e mapeou o movimento da mão humana para um humanoide com 76 graus de liberdade no corpo todo e 22 em cada mão. O terceiro método parte de um esboço: no exemplo do Google, um desenvolvedor tirou uma foto de um desenho rudimentar, feito com caneta e papel, do humanoide arremessando uma bola; então, o Argon criou a simulação, elaborou um arremesso equilibrado com o corpo todo e verificou na simulação de física se todas as caixas cairiam. Mas o Argon nem sempre precisa de um simulador de física, porque, em outra demonstração, ele conduziu um

03:13 humanoide, usando o modelo de mundo Omni do Gemini, para reorganizar cinco peças de Scrabble espalhadas e formar a palavra Argon. O detalhe é que ele não usou um único prompt estático para fazer isso. Em vez disso, o Argon trabalhou em um loop visual fechado, no qual escreveu prompts de ação com marcações de tempo, inspecionou quadros-chave das execuções do modelo e, então, refinou seus prompts. Mas controlar robôs é só o começo do que o Argon mostrou. Em um loop parecido de observar, avaliar e corrigir, ele também demonstrou resultados revolucionários em modelagem 3D a partir de um único

03:45 prompt. Para começar, a equipe do Google DeepMind direcionou o Gemini 4 Argon a um complexo de templos japoneses no Blender, e tudo foi criado a partir de um único prompt. E construções 3D são um teste difícil, porque envolvem uma tarefa complexa de programação em que os erros ficam imediatamente visíveis. Por isso, desde o ano passado, a equipe vem usando pagodes como objeto de teste para acompanhar o progresso. Desta vez, queria obter fotorrealismo usando a linha de comando headless do Blender. Mas o prompt ia muito além de simplesmente construir um pagode. A partir daí, o prompt aponta para uma skill, que é a

04:17 documentação que o modelo lê para construir cenas 3D grandes e coerentes. Depois, o Gemini chama uma ferramenta que cria plantas arquitetônicas e faz o Nano Banana transformá-las em quatro imagens de referência que mostram como o templo final deve parecer. Em seguida, vem o evento principal: um loop adversarial multiagente divide o trabalho entre diferentes agents, com um orquestrador supervisionando tudo e um crítico adversarial procurando falhas. Enquanto isso, os renders do Blender continuam sendo comparados com as imagens do Nano Banana. Então, a equipe voltou

04:47 na manhã seguinte para ver os renders finalizados, que o modelo havia animado e para os quais também havia gerado sons de sino e efeitos ambientes. Mas o que acontece quando você aponta o Argon para algo que pode segurar no mundo físico? Chegamos ao mundo da impressão 3D e da prototipagem. Nesta demonstração, o Google deu ao Argon uma foto de uma chaise longue, um bilhete adesivo com medidas desenhadas à mão e um pedido simples: criar um app de design 3D que explorasse 10 opções diferentes de pés novos e excêntricos. Foi assim que tudo começou: apenas com uma foto e um bilhete. Então,

05:18 trabalhando pelo Antigravity no app Gemini para Mac OS, o Argon usou o Nano Banana para gerar iterações de design e, depois, produziu um arquivo imprimível em 3D para uma delas, criando o modelo nas dimensões corretas para caber no sofá de verdade. Mas o Argon também consegue combinar o mundo físico com a geração digital, porque, em outra demonstração, um criador tirou algumas fotos da própria mesa bagunçada, enviou-as ao Gemini para o Argon e simplesmente pediu que ele criasse um jogo de corrida baseado nelas. Para começar, o Google diz que o Argon executou um loop multiagente no Antigravity,

05:49 semelhante ao da construção do templo, iniciando subagents que usaram o Blender para modelar os objetos da mesa, o cômodo e a pista de corrida. Em seguida, esses modelos passaram por verificações de colisão para que os obstáculos ficassem exatamente onde os objetos reais estavam na mesa. A partir daí, a cena recebeu texturas com o Nano Banana e foi conectada a física, shaders personalizados e áudio de motor de carro do Gemini Omni Flash, tudo rodando em 3JS em uma única construção. O resultado é um jogo de corrida em miniatura jogável, no qual você derrapa ao redor da caneca de café de verdade e salta de uma rampa por cima do

06:20 seu teclado de verdade. Ambos foram modelados a partir dos objetos reais nas fotos. Mas até isso começou com fotos. Então, o que acontece quando o Argon não tem nada para usar como ponto de partida? Acontece que ele ainda consegue criar, porque o Google também mostrou o Argon produzindo animações inteiras sem nenhum arquivo de vídeo, imagem ou som. Aqui, a equipe criativa do Google usou o Gemini 4 Argon no Antigravity para criar animações usando apenas código. Assim, tudo, inclusive a música, foi gerado ao vivo, sem importar nada. E o Argon não produziu apenas

06:50 resultados bonitos. Ele realmente entendeu a intenção deles bem o suficiente para gerar variações diferentes sempre que pediam. No início, eles adotaram uma abordagem exploratória, testando estilos artísticos que já conheciam, e o Argon gerou uma versão de cada um. Mas, em vez de eles mesmos pedirem cada alteração, solicitaram ao Argon que criasse uma interface gráfica para personalizar a animação e a música em tempo real. Isso permitiu que ajustassem cada elemento manualmente até ficar exatamente como queriam. Além disso, os subagents do Antigravity conseguem realizar várias tarefas em paralelo. Então, no

07:23 tempo que levaria para fazer uma versão, dizem que você poderia acabar com 10, 20 ou quantas precisasse. Esse é o Gemini 4 Argon. Não deixe de comentar abaixo qual demonstração foi a mais impressionante. Se foi o robô jogando cornhole, a arquitetura 3D, a impressão 3D ou outra coisa, e qual delas você provavelmente usaria primeiro — ou se faria outra coisa. Enfim, curta e inscreva-se para acompanhar as últimas notícias sobre IA e robótica, e

07:55 confira este vídeo aqui. E obrigado por assistir.

Transcrição original

[00:00] It finally happened. Google just released its newest Gemini 4 Argon with over a dozen demos showcasing the next frontier of AI for humanoids, 3D design, 3D printing, and more. So, today on AI News, we’re looking at the very best ones to find out what the next generation of agentic loops just unlocked. Starting with Approniks Apollo 2 humanoid robot, which just taught itself cornhole from a single video using a loop of watching, simulating, failing, and fixing. And the speed at which it learned was shocking because

[00:34] its first throw missed by just 86 cm. But by the 18th throw, it was reliably sending bean bags one after the other into a 15 cm wide hole. And Google says it’s because Gemini 4 Argon was diagnosing each failure itself by doing something incredible, which you’re about to see in just a moment here. So, first, Argon noticed that the human’s winning throws didn’t actually aim at the hole. Instead, winning throws usually landed on the tilted wooden deck above and then

[01:05] let friction slide the bag in. Next, Argon solved for release speed by finding out for itself that just under 4 m/s fell short, but just over 5 m overshot, with about 4 1/2 m being the sweet spot. Then, it fixed each of the physical problems one at a time. A fast swing could tip over the robot, so it widened its stance. Meanwhile, a straight swing could clip its thigh armor, so it ran its own 3D collision check and shifted its shoulder outwards

[01:35] for more clearance. And on the first real throw, the bag slipped out early and Argon traced the cause through its wrist camera to a halfopen grip that couldn’t hold 9.4 Newtons of pull at the bottom of the swing. And Google says the robot then sank seven consecutive shots. And in its own narration, Argon counts six straight shots with zero thigh contact. Furthermore, Argon was able to make this possible by using real to sim to rebuild the world inside a physics simulator, practice its moves there first, then return with what it learned

[02:09] to be executed on the physical robot with Google showing three ways in particular. First from a robot’s own recording. In this case, Argon watches a real teleoperation episode and builds a digital twin. It finds or creates simulation assets that behave like real objects when the hands touch them, then keeps tuning until the simulation matches the real footage, including the contact events. Second was from the human video, which is how the cornhole example worked. Argon picked out the objects that mattered, swap crude boxes

[02:40] for detailed shapes, so containers kept their openings, and mapped the human’s hand motion onto a humanoid with 76° of freedom throughout and 22 in each hand. And the third way was from a sketch where in Google’s example, a developer snapped a photo of a rough pen and paper drawing of the humanoid throwing a ball and then Argon built the simulation, worked out a balanced full body throw, and then verified in the physics that all the boxes would fall. But Argon doesn’t always need a physics simulator because in another demo, it steered a

[03:13] humanoid with Gemini’s omni world model to rearrange five scattered scrabble tiles to spell Argon. The twist is that it didn’t use one static prompt to do it. Instead, Argon worked in a closed visual loop where it wrote timestamped action prompts, inspected key frames from the models rollouts, and then refined its prompts. But controlling robots is just the beginning of what Argon showed off. Because in a similar loop of looking, critiquing, and fixing, it also demonstrated breakthrough results in 3D modeling from a single

[03:45] prompt. To start, Google’s DeepMind team pointed Gemini 4 Argon at a Japanese temple complex in Blender, and the whole thing came from just one prompt. And 3D builds are a tough test because it’s a complex coding task where mistakes are instantly visible. So, the team has been using pagotas as a test subject since last year to track their progress. And this time, they wanted photorealism built through Blender’s headless command line. But the prompt was far more than just build a pigota. And from there, the prompt points to a skill, which is

[04:17] documentation the model reads for building large coherent 3D scenes. Then it has Gemini call a tool that creates architectural blueprints and has Nano Banana turn those into four reference images of how the finished temple should look. Next comes the main event where a multi-agent adversarial loop splits up the work between different agents with an orchestrator overseeing everything and an adversarial critic hunting for flaws. While Blender’s renders keep getting compared against those nano banana images, then the team came back

[04:47] the next morning to see the finished renders, which the model had animated and generated bell sounds for, as well as ambient effects. But what happens when you point Argon at something that you can actually hold in the physical world? Enter the world of 3D printing and prototyping, where in this demo, Google gave Argon a photo of a daybed, a sticky note with handdrawn measurements, and a simple request to make a 3D design app that explores 10 different options for funky new legs. That was the start of it, just with a photo and a note. So

[05:18] working through anti-gravity in the Gemini Mac OS app, Argon used Nano Banana to generate design iterations, then produced a 3D printable file for one of them, building the model to the correct size to fit the actual sofa. But Argon can also mix the physical world with digital generation because in another demo, a creator took a few photos of their messy desk, handed them to Gemini for Argon, and simply asked it to build a racing game based on them. So to start, Google says Argon ran a multi-agent loop in anti-gravity,

[05:49] similar to the temple build, spinning up sub aents that used Blender to model the desk objects, the room, and the racetrack. Those models were then collision checked so the obstacles sat exactly where the real objects were on the desk. And from there, the scene was textured with Nano Banana, then wired up with physics, custom shaders, and car engine audio from Gemini Omni Flash, all running in 3JS in one build. And the result is a playable miniature racing game where you drift around the actual coffee mug and launch off a ramp over

[06:20] your real keyboard. Both modeled from the real ones in the photos. But even that started with photos. So what happens when Argon has nothing to start from? It turns out it can still create because Google also showed it making entire animations without a single video, image, or sound file. So here, Google’s creative team used Gemini 4 Argon inside of anti-gravity to build animations using only code. So everything, including the music, was generated live with nothing being imported. And Argon didn’t just produce

[06:50] beautiful results. It actually understood their intent well enough to generate different variations whenever they asked. So at first, they took an exploratory approach, testing art styles they already knew, and Argon generated a version of each. But instead of prompting every single change themselves, they asked Argon to build a graphical interface for customizing the animation and the music in real time, which let them tweak each element by hand until it looked exactly how they wanted. And on top of that, Antiggravity’s sub agents can tackle multiple tasks in parallel. So in the

[07:23] time it takes to make one version, they say you could end up with 10, 20, or as many as you need. So that’s Gemini 4 Argon. Make sure to comment down below which demo was the most impressive. Whether that was the robot cornhole, 3D architecture, 3D printing, or something else, and which of these would you probably use first, or would you do something else? Anyways, like and subscribe for more of the latest in AI robotics news, and

[07:55] check out this video here. And thanks for watching.