Google DeepMind ha presentado Gemini 4 Argon, un modelo que describe como un cambio de escala en la comprensión física, la generación de código y el razonamiento visual-semántico. La compañía afirma que el modelo está diseñado para desbloquear nuevos flujos de trabajo en toda la pila de robótica y acelerar el progreso hacia la AGI física.
La capacidad del modelo se mide con el benchmark de razonamiento corporizado (ERQA), que evalúa qué tan bien un modelo comprende y resuelve problemas físicos y espaciales en entornos 3D. Usando razonamiento puro, Argon obtiene un 87 %, superando a todos los demás modelos de vanguardia. DeepMind lo presenta como un modelo de razonamiento físico de propósito general que puede aplicarse a todo el ciclo de vida de la robótica.
Los ejemplos de DeepMind se dividen en cuatro áreas: control robótico, Real2Sim, comprensión física e investigación y automejora. En una demostración, Argon controla un cuadrúpedo Boston Dynamics Spot con un brazo de seis grados de libertad para aprender una nueva habilidad. Construye un gemelo digital articulado en MuJoCo de un cubo de basura con pedal, practica sus movimientos en simulación y luego pisa el pedal físico y deposita latas de refresco en el cubo.
En un ejemplo de control de disparo cero, Argon dirige un brazo robótico sencillo para enderezar una taza caída y colocar dentro una servilleta arrugada. Razona con un marco de coordenadas visuales y primitivas de acción a lo largo de varios turnos para completar la tarea. Los ejemplos muestran cómo el modelo puede pasar de la simulación al hardware real con un entrenamiento mínimo específico para cada tarea.
Fuente: Google DeepMind Blog · Resumido por HeadlinesBriefing