يمثل Gemini 4 Argon نقلة نوعية في الفهم الفيزيائي وتوليد الشيفرات البرمجية والاستدلال البصري الدلالي، مما يفتح سير عمل جديداً عبر منظومة الروبوتات ويسرّع التقدم نحو الذكاء الاصطناعي العام الفيزيائي. وفي اختبار الاستدلال المجسّد (ERQA)، الذي يقيس قدرة النموذج على فهم المسائل الفيزيائية والمكانية وحلها في بيئات ثلاثية الأبعاد، يحقق Argon نسبة 87% باستخدام الاستدلال المحض، متفوقاً على كل النماذج الرائدة الأخرى.
بصفته نموذج استدلال فيزيائي عام الغرض، يمكن تطبيق Argon على دورة حياة الروبوتات بأكملها. ويسلط المنشور الضوء على أربعة مجالات رئيسية: التحكم الروبوتي، وReal2Sim، والفهم الفيزيائي، والبحث والتحسين الذاتي. وفي التحكم الروبوتي، يشغّل Argon روبوت Boston Dynamics Spot رباعي الأرجل مزوداً بذراع ذات 6 درجات حرية، ليتعلم مهارة جديدة: الدوس على دواسة سلة المهملات لرمي علب المشروبات الغازية. ويبني أولاً توأماً رقمياً مفصلياً لسلة المهملات باستخدام MuJoCo ليتدرب على حركاته قبل التصرف على الدواسة الفعلية.
كما يُظهر Argon التحكم بدون أمثلة مسبقة (zero-shot) باستخدام ذراع روبوتية بسيطة. فباستخدام إطار إحداثيات بصري ومجموعة من الأفعال الأولية، يعدّل وضع كوب مقلوب ليعود منتصباً ويضع فيه منديلاً مجعداً، مستنداً إلى الاستدلال عبر عدة جولات مع تغذية راجعة معايرة من كاميرا المعصم. ويستخدم النظام إحداثيات عالمية مُعلّمة، وإشارات لاتجاه القبضة، والتحقق المغلق الحلقة لفحص أفعاله قبل تنفيذها.
وفي مجال Real2Sim، يعيد Argon بناء توائم محاكاة معايرة فيزيائياً انطلاقاً من تغذيات كاميرات الروبوتات، أو فيديوهات بصرية ذاتية لأشخاص، أو رسومات يدوية. وعند دمج هذه القدرات مع الوسم متعدد الوسائط الوكيلي والتحسين الذاتي التكراري على الأجهزة، فإنها تشير إلى روبوتات تتعلم بقدر أكبر من الاستقلالية عبر المهام المختلفة.
المصدر: Hacker News · لخّصه HeadlinesBriefing