Google DeepMind wis nduduhake teknik latihan robotika sing model Gemini 4 Argon sinau tugas fisik kanthi nonton video biasa, banjur nransfer prilaku sing dipelajari menyang robot humanoid sing nyata. Ing demo, sing diterbitake bebarengan karo peluncuran model kasebut, humanoid Apollo sing dibangun Apptronik nonton cuplikan saka wong sing main cornhole - banjur ndharat pitung nembak berturut-turut ing uji coba nyata, miturut Robotics & Automation News.
Saka Video Mentahan nganti Robot Nyata For more context on this story, see our ongoing more AI stories.
Demonstrasi kasebut dipusatake ing tes internal tunggal. Argon ditampilake video mentah saka manungsa sing main cornhole, game tos latar mburi. Model kasebut banjur nganalisa lingkungan, ngetung koordinat spasial, lan ngetung gerakan sendi kabeh awak sing dibutuhake kanggo ngasilake tugas ing platform humanoid.
Langkah penting yaiku apa sing kedadeyan sabanjure: tinimbang ngandelake insinyur kanggo mbangun simulasi fisika, Argon kanthi otomatis nggawe kode simulasi kasebut. Prilaku sing dipelajari banjur ditransfer saka simulasi sing digawe dhewe menyang humanoid Apollo Apptronik, sing ditindakake ing jagad fisik.
Miturut Google DeepMind, Apollo banjur ndharat pitung tembakan langsung sajrone uji coba ing donya nyata - resik kanggo tugas sing mbutuhake robot kanggo koordinasi keseimbangan, lintasan lengen, lan wektu ngeculake.
Minggu Kerja Simulasi Dikompres Dadi Jam
Google DeepMind njlèntrèhaké pendekatan kasebut minangka pipa "Video-to-Sim-to-Real", lan pitch kasebut luwih akeh babagan wektu teknik lan babagan kemampuan.
"Pipa 'Video-to-Sim-to-Real' iki ngompres minggu model simulasi manual dadi sawetara jam, ngowahi video biasa dadi papan latihan sing bisa diukur lan tanpa wates kanggo robotika," ujare perusahaan kasebut, miturut Robotics & Automation News.
Cara tradisional, mulang robot katrampilan fisik anyar liwat simulasi mbutuhake spesialis kanggo model lingkungan, fisika obyek, lan awak robot kanthi tangan - proses sing diukur ing minggu kanggo saben tugas anyar. Yen video bisa ngganti model manual kasebut, kemacetan kanggo mulang robot katrampilan anyar ngalih saka tenaga kerja teknik menyang kasedhiyan rekaman demonstrasi, sing ora ana watesan ing internet.
Apa Ndadekake Video-kanggo-Sim-kanggo-Real Beda
Umume pipa sinau robot ing industri nggunakake salah siji saka rong rute: teleoperation, ing ngendi manungsa kanthi manual nduduhake tugas sing ditiru robot, utawa latihan simulasi, ing ngendi insinyur mbangun lingkungan virtual ing ngendi kabijakan kontrol nindakake jutaan repetisi sadurunge penyebaran. Kaloro kerjane, lan loro-lorone ukurane kurang - teleoperation intensif tenaga kerja saben tugas, lan model simulasi intensif tenaga kerja saben lingkungan.
Demo cornhole ngarahake ing bottleneck kapindho. Ing akun DeepMind saka test, ora engineer dibangun lingkungan cornhole: Argon migunakaken video mentahan, Juru tata tata ruang pemandangan kang, makarya metu kabeh-awak lintasan peserta uncalan dibutuhake, lan wrote kode simulasi dhewe. Peran manungsa ing daur ulang iki, ing efek, suda kanggo wis tau nggawe film wong main game.
Cornhole minangka kasus uji sing dipilih kanthi apik. Iku katon ora pati penting, nanging kebangkrutan beanbag ing target munggah nuntut persis kombinasi robot humanoid nemokake hard: imbangan kabèh-awak stabil sak windup, dinamika lengen nggoleki, release wektu, lan toleransi kanggo balistik projectile ngeculke. Pitu sukses berturut-turut ing donya nyata nuduhake kabijakan sing ditransfer luwih kuat tinimbang untung, sanajan tes internal siji minangka basis bukti sing sempit.
Asil Patokan Penalaran Diwujudake
Saliyane demo cornhole, DeepMind nguji Argon ing benchmark Embodied Reasoning (ERQA), sing ngukur kemampuan model kanggo alesan babagan masalah fisik lan spasial ing lingkungan 3D. Perusahaan kasebut ujar manawa Argon entuk skor 87% ing pathokan kasebut.
Penalaran fisik lan spasial katon akeh minangka salah sawijining kesenjangan sing misahake model basa perbatasan saka sistem sing bisa digunakake kanthi migunani ing jagad fisik, mula tolok ukur robotika kaya ERQA wis narik kawigaten saka laboratorium utama.
Bagéyan saka Bukak Argon Gemini 4 sing luwih jembar
Karya robotik minangka salah sawijining aplikasi ing peluncuran sing luwih akeh. Google nempatake Gemini 4 Argon minangka model perbatasan sing nggabungake penalaran visual-semantik, pangerten fisik, lan generasi kode otonom, ngarahake tugas rekayasa, ilmiah, coding, lan bisnis sing rumit. Perusahaan kasebut ujar manawa wis nggunakake model kasebut sacara internal ing proyek wiwit ngoptimalake basis kode piranti lunak gedhe nganti komputasi kuantum, fusi nuklir, lan riset ilmu-ilmu urip.
Model kasebut kasedhiya liwat produk AI Google lan API Gemini, kanthi demonstrasi robotika ditampilake minangka bukti pangerten fisik model tinimbang minangka produk pengiriman kanggo operator robot.
Napa Penting kanggo Industri Humanoid
Kanggo sektor robot humanoid sing berkembang - ing ngendi Apptronik minangka salah sawijining pemain sing paling misuwur - asil kasebut nuduhake proposisi nilai jangka pendek sing spesifik: model AI tujuan umum sing bisa ngowahi video pasif dadi simulasi sing bisa dilatih bisa nyuda kanthi dramatis biaya ngajar robot tugas anyar, kendala inti antarane demo sing nyengsemake lan penyebaran ekonomi sing migunani ing skala.
Framing DeepMind dhewe nandheske titik sing padha. Demonstrasi kasebut, ujare perusahaan, nuduhake kepiye model tujuan umum bisa nyuda jumlah teknik manual sing dibutuhake kanggo ngajar robot katrampilan fisik anyar.
Seven cornhole nembak ora bakal mindhah paket ing gudang. Nanging pipa sing ngasilake - nonton video, ngerti fisika, nulis simulasi, transfer menyang hardware - yaiku bagean sing bakal ditonton perusahaan robotika lan investor.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
