От видео до хвърляне: Gemini 4 Argon на Google учи роботи на нови задачи

С широкото пускане на новия си водещ модел Gemini 4 Argon във вторник Google DeepMind публикува и демонстрации от роботиката. В най-известния пример моделът гледа кратко видео, в което човек хвърля торбички към дъска в играта корнхол. Argon пренася замаха на ръката и момента на пускане върху ставите на хуманоидния робот Apollo на компанията Apptronik, изгражда физическа симулация на робота и дъската и го оставя да тренира там. След това истинският робот по данни на Google вкарва седем хвърляния подред.

Във втора демонстрация Argon управлява четириногия робот Spot на Boston Dynamics с хващаща ръка: той настъпва педала на кофа за боклук и пуска вътре кутийка от напитка. Предварително моделът проверява в симулационната среда MuJoCo дали роботът запазва равновесие на три крака. От една-единствена снимка на маса Argon създава и дигитално копие с над 4500 тренировъчни варианта – според Google успеваемостта на истинския робот така се е повишила от 56 на 75 процента.

Google нарича метода „Video-to-Sim-to-Real“. На тест за пространствено разбиране (Embodied Reasoning) Argon постига по данни на компанията 87 процента и изпреварва други водещи модели. От вторник моделът е достъпен чрез програмния интерфейс на Gemini и за абонати на Google AI Pro и Ultra; независими проверки на резултатите в роботиката все още няма.