Gemini 4 Argon markiert einen Sprung beim physischen Verständnis, bei der Codegenerierung und beim visuell-semantischen Schlussfolgern. Damit eröffnen sich neue Arbeitsabläufe im gesamten Robotik-Stack und das Vorankommen in Richtung physischer AGI wird beschleunigt. Im Embodied-Reasoning-Benchmark (ERQA), der misst, wie gut ein Modell physische und räumliche Probleme in 3D-Umgebungen versteht und löst, erreicht Argon allein durch reines Schlussfolgern 87 % und übertrifft damit alle anderen Spitzenmodelle.
Als universelles Modell für physisches Schlussfolgern lässt sich Argon im gesamten Lebenszyklus der Robotik einsetzen. Der Beitrag hebt vier zentrale Bereiche hervor: Robotersteuerung, Real2Sim, physisches Verständnis sowie Forschung und Selbstverbesserung. Bei der Robotersteuerung betreibt Argon einen Boston Dynamics Spot Vierbeiner mit einem 6-DoF-Arm, um eine neue Fähigkeit zu erlernen: auf das Fußpedal eines Mülleimers treten, um Getränkedosen zu entsorgen. Bevor es das echte Pedal betätigt, baut es zunächst einen artikulierten MuJoCo-Digitalen-Zwilling des Mülleimers, um seine Bewegungen zu üben.
Argon zeigt außerdem Zero-Shot-Steuerung mit einem einfachen Roboterarm. Mithilfe eines visuellen Koordinatengerüsts und Aktionsprimitiven richtet es eine umgefallene Tasse auf und legt eine zerknüllte Serviette hinein. Dabei schlussfolgert es über mehrere Schritte hinweg anhand kalibrierten Feedbacks der Handgelenkkamera. Das System nutzt annotierte Weltkoordinaten, Hinweise zur Greifausrichtung und eine geschlossene Verifikationsschleife, um seine Aktionen vor der Ausführung zu prüfen.
Im Bereich Real2Sim rekonstruiert Argon physikalisch kalibrierte Simulations-Zwillinge aus Kamerabildern von Robotern, egozentrischen Videos von Menschen oder handgezeichneten Skizzen. In Verbindung mit agentischer multimodaler Annotation und iterativer Selbstverbesserung auf echter Hardware weisen diese Fähigkeiten auf Roboter hin, die aufgabenübergreifend zunehmend autonom lernen.
Quelle: Hacker News · Zusammengefasst von HeadlinesBriefing