Google DeepMind telah memperkenalkan Gemini 4 Argon, model yang oleh perusahaan digambarkan sebagai lompatan besar dalam pemahaman fisik, pembuatan kode, dan penalaran visual-semantik. Perusahaan menyatakan model ini dirancang untuk membuka alur kerja baru di seluruh tumpukan robotika dan mempercepat kemajuan menuju AGI fisik.
Kemampuan model diukur menggunakan benchmark penalaran terwujud (ERQA), yang menguji seberapa baik sebuah model memahami dan memecahkan masalah fisik serta spasial dalam lingkungan 3D. Dengan penalaran murni, Argon meraih skor 87%, mengungguli setiap model frontier lainnya. DeepMind memposisikannya sebagai model penalaran fisik serbaguna yang dapat diterapkan di seluruh siklus hidup robotika.
Contoh-contoh DeepMind terbagi dalam empat area: kontrol robot, Real2Sim, pemahaman fisik, serta riset dan peningkatan diri. Dalam salah satu demonstrasi, Argon mengendalikan robot berkaki empat Boston Dynamics Spot dengan lengan enam derajat kebebasan untuk mempelajari keterampilan baru. Argon membangun kembar digital MuJoCo yang terartikulasi dari tempat sampah berpedal kaki, berlatih gerakannya dalam simulasi, lalu menginjak pedal fisik dan memasukkan kaleng soda ke dalam tempat sampah.
Dalam contoh kontrol zero-shot, Argon mengarahkan lengan robot sederhana untuk menegakkan cangkir yang terjatuh dan meletakkan serbet kusut di dalamnya. Argon bernalar dengan kerangka koordinat visual dan primitif aksi selama beberapa putaran untuk menyelesaikan tugas tersebut. Contoh-contoh ini menunjukkan bagaimana model dapat beralih dari simulasi ke perangkat keras nyata dengan pelatihan khusus tugas yang minimal.
Sumber: Google DeepMind Blog · Diringkas oleh HeadlinesBriefing