Google will, dass Gemini 4 Argon das einzige KI-Modell ist, das Roboter benötigen
decoder ·
Google DeepMind hat Gemini 4 Argon vorgestellt, ein einheitliches KI-Modell, das den gesamten Robotik-Pipeline-Prozess umfasst, einschließlich der Erstellung von Simulationen, der Robotersteuerung und der Bewertung von Trainingsdaten. Das System kann virtuelle Übungsumgebungen aus einfachen Eingaben wie Fotos oder Skizzen generieren, wodurch Roboter ihre Bewegungen vor dem Einsatz in der realen Welt verfeinern können. In Demonstrationen führte Argon einen Boston Dynamics Spot-Roboter an, nachdem dieser in einer MuJoCo-Simulation geübt hatte, was die Erfolgsquote und die Ausführungsgeschwindigkeit beim Werfen von Dosen in eine Tonne erheblich verbesserte. Das Modell fungiert zudem als Regisseur für Video-Weltmodelle und bewertet Trainingsvideos, indem es ineffiziente Teilschritte markiert, um das zukünftige Lernen zu optimieren. Während Argon auf dem ERQA-Benchmark für räumliches Denken führend ist, belegte es auf dem AA-Robotics-Benchmark für direkte physische Steuerungsaufgaben den dritten Platz. Trotz dieser Fähigkeiten zeigen die Demos, dass das System weiterhin stark auf detaillierte menschliche Eingabeaufforderungen und spezifische Einschränkungen angewiesen ist, um effektiv zu funktionieren. Google gibt an, dass Argon ein Schritt hin zu einer „physischen AGI“ darstellt, da er Simulation, Steuerung und Bewertung in einem einzigen Framework übernimmt. Das Modell ist derzeit Entwicklern über die kostenpflichtigen Abonnementstufen von Google verfügbar.
decoder