Gemini 4 Argon přenáší simulaci přímo do práce s robotem

Google předvedl Gemini 4 Argon v robotice jako model, který má spojit vnímání scény, psaní řídicího kódu, fyzikální simulaci a práci se skutečným strojem. Na benchmarku Embodied Reasoning, zkráceně ERQA, podle Googlu dosáhl 87 %.

Argon skládá kameru, simulaci a pohyb do jednoho pracovního toku

Google popisuje čtyři oblasti použití: řízení robotů, převod reálné scény do simulace, fyzikální porozumění a výzkum se sebezdokonalováním. V jedné ukázce model vytvořil v MuJoCo digitální dvojče odpadkového koše a nechal robota Spot nacvičit sešlápnutí pedálu ještě před pokusem na skutečném stroji. Spot měl 12 stupňů volnosti v nohách a dalších 6 v rameni.

Další demonstrace zahrnují zero-shot řízení jednoduchého ramene, rekonstrukci simulace z videa či ručního náčrtu a zlepšování úlohy pick and place podle záznamů z kamer. U poslední úlohy Google uvádí zkrácení času z 58,9 sekundy přes 22,9 sekundy na 17,4 sekundy během tří iterací.

Robotici dostávají společný jazyk pro software i fyzický svět

Praktická změna spočívá v menším počtu ručních převodů mezi tím, co vidí kamera, co umí simulátor a co má vykonat řídicí vrstva. Vývojář může modelu předat video, geometrii nebo odborný text a nechat ho připravit ověřitelný experiment v MuJoCo. Google ukazuje i 68 interaktivních reprodukcí robotických studií v prohlížeči.

Argon je dostupný v placené vrstvě Gemini API. V Google AI Studio a Google Antigravity k němu mají přístup předplatitelé Google AI Ultra. To z něj dělá vývojářský nástroj, nikoli hotový řídicí systém, který lze bez dalšího zapojit do libovolného robota.

Vybrané demonstrace zatím nenahrazují provozní statistiku

Blog ukazuje působivé jednotlivé běhy, ale neuvádí souhrnnou úspěšnost opakovaných pokusů, latenci řídicí smyčky ani četnost zásahů člověka napříč úlohami. Skóre 87 % na ERQA měří fyzikální a prostorové uvažování v testu. Samo o sobě neříká, jak spolehlivě robot zvládne proměnlivou dílnu, opotřebovaný hardware nebo člověka v pracovním prostoru.

Také platí, že velká část ukázek stojí na připravených action primitives, simulátoru a konkrétních bezpečnostních pravidlech. Model je silná spojovací vrstva, ale fyziku za něj pořád hlídají senzory, regulátory a inženýři.

Opakované běhy na cizím hardwaru rozhodnou o praktické hodnotě

Nejdůležitějším signálem budou nezávislé reprodukce na robotech, scénách a senzorech, které Google nepřipravil. Užitečné budou výsledky s počtem neúspěchů, dobou odezvy, zásahy operátora a přenosem ze simulace do reality.

Pokud Argon udrží výkon i tam, může zkrátit cestu od nápadu k fyzickému experimentu. Jestli se výsledky rozpadnou mimo pečlivě sestavené demo, zůstane z něj velmi schopný kopilot pro robotické laboratoře, nikoli univerzální mozek stroje.

Lilithin verdikt

Argon chce stát jednou nohou v simulaci a druhou u skutečného robota. Teprve až cizí laboratoř nechá stroj stokrát sáhnout po stejném hrnku, uvidíme, zda ten most opravdu drží.