Gemini 4 Argon menandai lompatan besar dalam pemahaman fisik, pembuatan kode, dan penalaran visual-semantik, membuka alur kerja baru di seluruh tumpukan robotika serta mempercepat kemajuan menuju AGI fisik. Pada benchmark Embodied Reasoning (ERQA), yang menguji kemampuan model dalam memahami dan memecahkan masalah fisik serta spasial di lingkungan 3D, Argon meraih 87% hanya dengan penalaran murni, mengungguli setiap model frontier lainnya.
Sebagai model penalaran fisik serbaguna, Argon dapat diterapkan di seluruh siklus hidup robotika. Artikel ini menyoroti empat bidang utama: kontrol robot, Real2Sim, pemahaman fisik, serta riset dan peningkatan diri. Dalam kontrol robot, Argon mengoperasikan robot berkaki empat Boston Dynamics Spot dengan lengan 6-DoF untuk mempelajari keterampilan baru, yaitu menginjak pedal tempat sampah untuk membuang kaleng soda. Sebelum bertindak pada pedal sungguhan, Argon terlebih dahulu membangun kembaran digital MuJoCo yang artikulatif dari tempat sampah tersebut untuk berlatih gerakannya.
Argon juga menunjukkan kontrol zero-shot dengan lengan robot sederhana. Dengan menggunakan kerangka koordinat visual dan primitif aksi, ia menegakkan kembali cangkir yang terjatuh dan memasukkan serbet yang kusut ke dalamnya, bernalar melalui beberapa putaran dengan umpan balik kamera pergelangan tangan yang terkalibrasi. Sistem ini menggunakan koordinat dunia yang beranotasi, isyarat orientasi genggaman, dan verifikasi loop tertutup untuk memeriksa tindakannya sebelum dijalankan.
Di bidang Real2Sim, Argon merekonstruksi kembaran simulasi yang terkalibrasi secara fisik dari umpan kamera robot, video egosentris manusia, atau sketsa tangan. Dikombinasikan dengan pelabelan multimodal agentik dan peningkatan diri iteratif pada perangkat keras, kemampuan ini mengarah pada robot yang belajar lebih mandiri di berbagai tugas.
Sumber: Hacker News · Diringkas oleh HeadlinesBriefing