O Google DeepMind revelou o Gemini 4 Argon, um modelo que a empresa descreve como uma mudança significativa na compreensão física, na geração de código e no raciocínio visual-semântico. A companhia afirma que o modelo foi projetado para abrir novos fluxos de trabalho em toda a pilha de robótica e acelerar o progresso rumo à AGI física.
A capacidade do modelo é medida pelo benchmark de raciocínio incorporado (ERQA), que avalia o quão bem um modelo entende e resolve problemas físicos e espaciais em ambientes 3D. Usando apenas raciocínio, o Argon alcança 87%, superando todos os outros modelos de fronteira. A DeepMind o posiciona como um modelo de raciocínio físico de uso geral, aplicável a todo o ciclo de vida da robótica.
Os exemplos da DeepMind se dividem em quatro áreas: controle robótico, Real2Sim, compreensão física e pesquisa e autoaperfeiçoamento. Em uma demonstração, o Argon controla um quadrúpede Boston Dynamics Spot com um braço de seis graus de liberdade para aprender uma nova habilidade. Ele constrói um gêmeo digital articulado no MuJoCo de uma lixeira com pedal, pratica seus movimentos em simulação e, em seguida, pisa no pedal físico e deposita latas de refrigerante na lixeira.
Em um exemplo de controle zero-shot, o Argon orienta um braço robótico simples a endireitar uma caneca caída e colocar dentro um guardanapo amassado. Ele raciocina com um arnês de coordenadas visuais e primitivas de ação ao longo de várias etapas para concluir a tarefa. Os exemplos mostram como o modelo pode passar da simulação para o hardware real com treinamento mínimo específico para a tarefa.
Fonte: Google DeepMind Blog · Resumido por HeadlinesBriefing