Google DeepMind выпустила Gemini 4 Argon для робототехники: 87% в бенчмарке ERQA
Google DeepMind выпустила Gemini 4 Argon, модель для физического рассуждения, которую можно применять на всех этапах разработки роботов. В бенчмарке ERQA, который проверяет пространственные задачи в трёхмерной среде, она набрала 87% и опередила остальные фронтирные модели.
Главное в цифрах
- Результат в бенчмарке ERQA: 87%
- Успешность задачи на реальном роботе: с 56% до 75%
- Время выполнения задачи: с 35 до 24 секунд
- Синтетические эпизоды в симуляции: 4,500+
Argon рассчитана на весь цикл работы с роботами: от обучения новым навыкам до переноса данных из видео и симуляции. В материалах компании приведено несколько демонстраций. Четвероногий робот Boston Dynamics Spot с манипулятором учится наступать на педаль мусорного бака, чтобы выбросить банки из-под газировки. Модель сначала строит цифровой двойник бака в MuJoCo и отрабатывает движения в симуляции, а уже потом выполняет их на реальном устройстве. Также показаны управление простым манипулятором, укладка упавшей кружки и салфетки, а также работа пятипалого гуманоида.
Симуляция и данные
Argon может создавать цифровые двойники по видео, эскизам и одному фото рабочего стола. По одному из примеров, модель сгенерировала 4,500+ эпизодов в симуляции с доменной рандомизацией, и успешность выполнения задачи на реальном роботе выросла с 56% до 75%, а время выполнения сократилось с 35 до 24 секунд. Компания отмечает, что такой подход сокращает дорогие испытания на реальном железе.
Что это значит для рынка
Компания называет Argon шагом от языковых ассистентов к моделям, которые напрямую управляют физическими машинами. По словам Google DeepMind, модель объединяет программирование, визуальное восприятие, физическую симуляцию и управление роботами. Модель доступна разработчикам на платформах Google.
