Google DeepMind a dévoilé Gemini 4 Argon, un modèle que l'entreprise décrit comme une avancée majeure en compréhension physique, en génération de code et en raisonnement visuo-sémantique. Selon la société, ce modèle est conçu pour ouvrir de nouveaux flux de travail dans l'ensemble de la pile robotique et accélérer les progrès vers l'AGI physique.
Les capacités du modèle sont mesurées par le benchmark de raisonnement incarné (ERQA), qui évalue la façon dont un modèle comprend et résout des problèmes physiques et spatiaux dans des environnements 3D. Grâce au seul raisonnement, Argon obtient 87 %, devançant tous les autres modèles de pointe. DeepMind le présente comme un modèle de raisonnement physique polyvalent, applicable à l'ensemble du cycle de vie de la robotique.
Les exemples de DeepMind s'articulent autour de quatre axes : le contrôle robotique, Real2Sim, la compréhension physique, ainsi que la recherche et l'auto-amélioration. Dans une démonstration, Argon pilote un quadrupède Boston Dynamics Spot doté d'un bras à six degrés de liberté afin d'apprendre une nouvelle compétence. Il construit un jumeau numérique articulé sous MuJoCo d'une poubelle à pédale, s'entraîne à ses mouvements en simulation, puis appuie sur la pédale réelle et y jette des canettes de soda.
Dans un exemple de contrôle en zero-shot, Argon dirige un bras robotique simple pour redresser une tasse tombée et y placer une serviette froissée. Il raisonne à l'aide d'un repère de coordonnées visuelles et de primitives d'action, sur plusieurs tours, pour accomplir la tâche. Ces exemples montrent comment le modèle peut passer de la simulation au matériel réel avec un entraînement minimal propre à la tâche.
Source: Google DeepMind Blog · Résumé par HeadlinesBriefing