Google DeepMind Gemini 4 Argon উন্মোচন করেছে, একটি মডেল যাকে কোম্পানি ভৌত উপলব্ধি, কোড তৈরি এবং ভিজ্যুয়াল-সিম্যান্টিক রিজনিংয়ে একটি বড় পরিবর্তন বলে বর্ণনা করেছে। কোম্পানির দাবি, এই মডেলটি রোবোটিক্স স্ট্যাক জুড়ে নতুন ওয়ার্কফ্লো উন্মুক্ত করতে এবং ফিজিক্যাল AGI-এর দিকে অগ্রগতি ত্বরান্বিত করতে ডিজাইন করা হয়েছে।
মডেলের সক্ষমতা এমবডিড রিজনিং (ERQA) বেঞ্চমার্কে পরিমাপ করা হয়েছে, যা পরীক্ষা করে যে একটি মডেল 3D পরিবেশে ভৌত ও স্থানিক সমস্যা কতটা ভালো বোঝে ও সমাধান করে। শুধুমাত্র বিশুদ্ধ রিজনিং ব্যবহার করে Argon 87% স্কোর করেছে, যা অন্য সব ফ্রন্টিয়ার মডেলকে ছাড়িয়ে গেছে। DeepMind এটিকে একটি সাধারণ-উদ্দেশ্যের ভৌত রিজনিং মডেল হিসেবে উপস্থাপন করেছে, যা পুরো রোবোটিক্স লাইফসাইকেল জুড়ে প্রয়োগ করা যেতে পারে।
DeepMind-এর উদাহরণগুলো চারটি ক্ষেত্রে বিভক্ত: রোবট নিয়ন্ত্রণ, Real2Sim, ভৌত উপলব্ধি, এবং গবেষণা ও স্ব-উন্নয়ন। এক প্রদর্শনীতে Argon ছয়-ডিগ্রি-অফ-ফ্রিডম বাহুযুক্ত Boston Dynamics Spot চতুষ্পদ রোবটকে নতুন দক্ষতা শেখানোর জন্য নিয়ন্ত্রণ করে। এটি একটি পা-পেডালযুক্ত ময়লার ঝুড়ির আর্টিকুলেটেড MuJoCo ডিজিটাল টুইন তৈরি করে, সিমুলেশনে নিজের চলাচল অনুশীলন করে, তারপর আসল পেডালে পা রেখে সোডার ক্যান ঝুড়িতে ফেলে।
জিরো-শট কন্ট্রোলের একটি উদাহরণে Argon একটি সাধারণ রোবটিক বাহুকে পড়ে যাওয়া মগ সোজা করে তাতে একটি কুঁচকানো ন্যাপকিন রাখতে নির্দেশ দেয়। কাজটি সম্পন্ন করতে এটি একাধিক ধাপে ভিজ্যুয়াল কোঅর্ডিনেট হার্নেস ও অ্যাকশন প্রিমিটিভ ব্যবহার করে যুক্তি দেয়। উদাহরণগুলো দেখায় যে ন্যূনতম কাজ-নির্দিষ্ট প্রশিক্ষণের মাধ্যমে মডেলটি কীভাবে সিমুলেশন থেকে আসল হার্ডওয়্যারে যেতে পারে।
উৎস: Google DeepMind Blog · সারাংশ: HeadlinesBriefing