Google продемонструвала, як Gemini 4 Argon керує роботами та будує для них симуляції

TL;DR

• •Модель Gemini 4 Argon набрала 87% на тесті ERQA для фізичного розуміння
• •Керувала роботом Boston Dynamics Spot для натискання педали та викидання банок
• •Згенерувала симуляції з відео ALOHA 2, розбивши задачу на 6 підзадач та 17 елементарних рухів
• •Зменшила середній час виконання завдань з 35 до 24 секунд після fine-tuningu VLA
• •Підвищила успішність реальних завдань з 56% до 75%

Як це змінить ваш ринок?

Google демонструє, що AI може перетворити робототехнічну автоматизацію з експериментального етапу на практичний інструмент для виробничих ліній та складів. Основний блокер — потреба в дорогих симуляціях та дообученні під кожен тип робота; Argon знижує цей бар’єр, генеруючи точні симуляції з одного зображення або відео, що скорочує час впровадження та збільшує віддачу від інвестицій у роботів.

Визначення: VLA model — це модель «зірка‑мова‑дія», яка об’єднує комп’ютерне бачення, розуміння мови та генерацію дій для керування роботами в реальному часі.

Для кого це і за яких умов

Для впровадження потрібна робототехнічна платформа з камерою на зап’ясті (наприклад, Franka або подібний маніпулятор), доступ до симулятора MuJoCo або подібного, GPU з 24GB+ пам’яттю для тренування та IT-спеціаліст з досвідом у reinforcement learning. Мінімальний масштаб — середня компанія з 50+ працівників або окрема робототехнічна команда. Час на інтеграцію — від 1 до 2 місяців, включаючи збір даних, fine-tuningu та тестування.

Альтернативи