كشفت Google DeepMind عن Gemini 4 Argon، وهو نموذج تصفه الشركة بأنه نقلة نوعية في الفهم المادي وتوليد الشيفرة والاستدلال البصري الدلالي. وتقول الشركة إن النموذج مصمم لفتح أساليب عمل جديدة عبر منظومة الروبوتات بأكملها وتسريع التقدم نحو الذكاء الاصطناعي العام المادي.
يُقاس أداء النموذج من خلال اختبار الاستدلال المجسّد (ERQA)، الذي يقيس مدى فهم النموذج للمشكلات المادية والمكانية وحلّها في بيئات ثلاثية الأبعاد. وباستخدام الاستدلال الخالص، حقق Argon نسبة 87%، متفوقًا على كل النماذج الرائدة الأخرى. وتقدّمه DeepMind كنموذج استدلال مادي عام الغرض يمكن تطبيقه على دورة حياة الروبوتات بأكملها.
تندرج أمثلة DeepMind ضمن أربعة مجالات: التحكم بالروبوتات، وReal2Sim، والفهم المادي، والبحث والتحسين الذاتي. وفي أحد العروض، يتحكم Argon بالروبوت رباعي الأرجل Boston Dynamics Spot المزوّد بذراع ذات ست درجات حرية لتعلّم مهارة جديدة. يبني النموذج توأمًا رقميًا مفصليًا في MuJoCo لسلة مهملات تُفتح بدواسة قدم، ويتدرب على حركاته في المحاكاة، ثم يضغط على الدواسة الفعلية ويُسقط علب المشروبات الغازية داخل السلة.
وفي مثال للتحكم دون تدريب مسبق على المهمة، يوجّه Argon ذراعًا روبوتية بسيطة لإعادة كوب مقلوب إلى وضعه المستقيم ووضع منديل مجعّد بداخله. ويستدل النموذج باستخدام إطار إحداثيات بصرية وأوليات أفعال عبر عدة جولات لإنجاز المهمة. وتُظهر الأمثلة كيف يمكن للنموذج الانتقال من المحاكاة إلى العتاد الحقيقي بأقل قدر من التدريب الخاص بالمهمة.
المصدر: Google DeepMind Blog · لخّصه HeadlinesBriefing