Google DeepMind ने Gemini 4 Argon का अनावरण किया है, जिसे कंपनी भौतिक समझ, कोड जनरेशन और विज़ुअल-सिमैंटिक रीज़निंग में एक बड़े बदलाव वाला मॉडल बताती है। कंपनी का कहना है कि यह मॉडल रोबोटिक्स स्टैक में नए वर्कफ़्लो खोलने और भौतिक AGI की दिशा में प्रगति को तेज़ करने के लिए डिज़ाइन किया गया है।
मॉडल की क्षमता एम्बॉडीड रीज़निंग (ERQA) बेंचमार्क पर मापी गई है, जो परखता है कि कोई मॉडल 3D वातावरण में भौतिक और स्थानिक समस्याओं को कितनी अच्छी तरह समझता और हल करता है। केवल शुद्ध रीज़निंग के आधार पर Argon ने 87% स्कोर किया, जो हर दूसरे फ्रंटियर मॉडल से आगे है। DeepMind इसे एक सामान्य-उद्देश्य भौतिक रीज़निंग मॉडल के रूप में प्रस्तुत करता है, जिसे रोबोटिक्स के पूरे जीवनचक्र में लागू किया जा सकता है।
DeepMind के उदाहरण चार क्षेत्रों में आते हैं: रोबोट नियंत्रण, Real2Sim, भौतिक समझ, और अनुसंधान व स्व-सुधार। एक प्रदर्शन में Argon छह-डिग्री-ऑफ-फ्रीडम आर्म वाले Boston Dynamics Spot चतुष्पदी रोबोट को नया कौशल सीखने के लिए नियंत्रित करता है। यह एक फुट-पेडल वाले कूड़ेदान का आर्टिकुलेटेड MuJoCo डिजिटल ट्विन बनाता है, सिमुलेशन में अपनी हरकतों का अभ्यास करता है, फिर असली पेडल पर पैर रखता है और सोडा के डिब्बे कूड़ेदान में डालता है।
ज़ीरो-शॉट कंट्रोल के एक उदाहरण में Argon एक साधारण रोबोटिक आर्म को गिरे हुए मग को सीधा करने और उसमें एक मुड़ा हुआ नैपकिन रखने का निर्देश देता है। यह कार्य पूरा करने के लिए कई चरणों में विज़ुअल कोऑर्डिनेट हार्नेस और एक्शन प्रिमिटिव्स के साथ तर्क करता है। ये उदाहरण दिखाते हैं कि मॉडल न्यूनतम कार्य-विशिष्ट प्रशिक्षण के साथ सिमुलेशन से वास्तविक हार्डवेयर तक कैसे पहुँच सकता है।
स्रोत: Google DeepMind Blog · HeadlinesBriefing द्वारा सारांशित