Google Gemini 4 Argon обошла конкурентов в тесте для роботов с результатом 87%
Argon без предварительного обучения учит робота Spot нажимать на педаль мусорного ведра
Google сообщила, что её флагманская модель Gemini 4 Argon, показанная в сентябре, подходит не только людям, но и роботам. В тесте ERQA она набрала 87% и опередила остальные передовые модели.
По словам компании, это качественный скачок в робототехнике. Роботы с такой моделью смогут думать, учиться и подстраиваться под задачи, не требуя больших затрат на обучение.
Цифра 87% относится к чистому логическому выводу. ERQA, то есть Embodied Reasoning, проверяет, как модель понимает физические и пространственные задачи в трёхмерных средах.
Разработчики считают, что Argon как модель воплощённого рассуждения годится для любого этапа жизни робототехнической системы. В блоге Google показали промпты для четырёх направлений: симуляция действий и перенос в реальность, обучение на примерах, понимание обстановки и отработка навыков.
Первый пример — четвероногий Spot от Boston Dynamics в пакете MuJoCo. Argon без предварительного обучения учит его нажимать на педаль мусорного ведра, чтобы выбрасывать туда банки из-под газировки с пола. Сначала ИИ создаёт в MuJoCo цифровой двойник ведра с педалью, и только потом робот повторяет действия в реальности. Модель следит за манипулятором, банкой и открытым ведром, а ещё помогает машине держать равновесие на трёх конечностях, пока четвёртая давит на педаль.
Во втором опыте Argon управляет роботизированной рукой: нужно поставить опрокинутую кружку и положить в неё смятую салфетку. Система работает с пространственными координатами, командами перемещения и захвата, а после каждого этапа заново анализирует изображение и корректирует движения. Всё это происходит без предварительного обучения (zero-shot control).
Третья технология, Real2Sim, превращает реальные сцены в физические симуляции. Argon разбирает видео, восстанавливает геометрию объектов и задаёт массу, инерцию, трение и поведение при столкновениях. Затем виртуальную сцену сверяют с кадрами камер, а расчётные взаимодействия — с реальными. Так же из наброска от руки, где робот сбивает мячом пирамидку из кубиков, получается полноценная 3D-анимация с реалистичной физикой.
Есть и оговорка: пока Google не связывала Argon или её компоненты с ИИ-платформами для физического воплощения. Отдельно компания развивает Gemini Robotics 1.5 и Gemini Robotics-ER 1.5. Они работают в паре: робот сначала «обдумывает» задачу и лишь затем действует. Argon делает нечто похожее, но универсальнее: понимает физические процессы, генерирует код и рассуждает по изображениям и смыслу.
В Google видят в Gemini 4 Argon важный шаг к общему ИИ, который сможет действовать в физическом мире. Компания рассчитывает, что на основе модели появятся роботы, способные работать вместе с людьми и помогать им в сложных задачах.
Между прочим. Слово «робот» в 1920 году придумали чешский писатель Карел Чапек и его брат Йозеф для пьесы «Р. У. Р.», которую впервые поставили в 1921 году. А термин «роботика» впервые появился в печати в 1941 году, в научно-фантастическом рассказе Айзека Азимова «Лжец».