Gemini 4 Argon włącza symulację bezpośrednio do pracy z robotem

Google pokazał Gemini 4 Argon w robotyce jako model, który ma połączyć rozpoznawanie sceny, pisanie kodu sterującego, symulację fizyczną i pracę z rzeczywistą maszyną. Według Google model uzyskał 87% w benchmarku Embodied Reasoning, czyli ERQA.

Argon łączy kamerę, symulację i ruch w jeden proces

Google opisuje cztery obszary zastosowań: sterowanie robotem, przenoszenie realnej sceny do symulacji, rozumienie fizyczne oraz badania z samodoskonaleniem. W jednej demonstracji model zbudował w MuJoCo cyfrowego bliźniaka kosza z pedałem, aby robot Spot przećwiczył jego naciśnięcie przed próbą na prawdziwej maszynie. Spot miał 12 stopni swobody w nogach i kolejne 6 w ramieniu.

Pozostałe przykłady obejmują sterowanie prostym ramieniem w trybie zero-shot, odtwarzanie symulacji z filmu lub odręcznego szkicu oraz poprawianie zadania pick and place na podstawie nagrań z kamer. W tym ostatnim przypadku Google podaje skrócenie czasu z 58,9 sekundy przez 22,9 sekundy do 17,4 sekundy w trzech iteracjach.

Robotycy dostają wspólny język dla oprogramowania i świata fizycznego

Praktyczna zmiana polega na ograniczeniu ręcznego tłumaczenia między obrazem z kamery, reprezentacją w symulatorze i poleceniami dla warstwy sterującej. Programista może przekazać modelowi film, geometrię albo artykuł naukowy i zlecić przygotowanie weryfikowalnego eksperymentu w MuJoCo. Google pokazuje też 68 interaktywnych reprodukcji prac z robotyki uruchamianych w przeglądarce.

Argon jest dostępny w płatnej warstwie Gemini API. W Google AI Studio i Google Antigravity dostęp mają abonenci Google AI Ultra. To narzędzie dla twórców, a nie gotowy system sterowania, który można bez dodatkowej pracy podłączyć do dowolnego robota.

Wybrane demonstracje nie zastępują statystyk z eksploatacji

Wpis pokazuje efektowne pojedyncze przebiegi, lecz nie podaje łącznej skuteczności wielokrotnych prób, opóźnienia pętli sterowania ani częstości interwencji człowieka w różnych zadaniach. Wynik 87% w ERQA mierzy rozumowanie fizyczne i przestrzenne w benchmarku. Nie mówi jeszcze, jak niezawodnie robot poradzi sobie w zmiennym otoczeniu, ze zużytym sprzętem albo z człowiekiem wchodzącym w obszar pracy.

Duża część pokazów korzysta również z przygotowanych action primitives, symulatora i konkretnych reguł bezpieczeństwa. Model może spinać cały proces, ale za fizykę nadal odpowiadają czujniki, regulatory i inżynierowie.

Powtarzalne testy na cudzym sprzęcie przesądzą o użyteczności

Najważniejszym sygnałem będą niezależne reprodukcje na robotach, scenach i czujnikach, których nie przygotował Google. Potrzebne są wyniki z liczbą niepowodzeń, czasem reakcji, interwencjami operatora i jakością przejścia z symulacji do rzeczywistości.

Jeśli Argon utrzyma tam poziom, może skrócić drogę od pomysłu do fizycznego eksperymentu. Jeśli wyniki rozsypią się poza starannie przygotowaną demonstracją, pozostanie bardzo sprawnym copilotem dla laboratoriów robotycznych, a nie uniwersalnym mózgiem maszyny.

Werdykt Lilith

Argon chce stać jedną nogą w symulacji, a drugą przy prawdziwym robocie. O trwałości tego mostu przekonamy się dopiero wtedy, gdy niezależne laboratorium każe maszynie sto razy sięgnąć po ten sam kubek.