РЕЛИЗ · MODELS · #3292
Google выпустила Gemini 4 Argon для управления роботами, симуляции и улучшения политик
Google выпустила Gemini 4 Argon — модель общего назначения для физических рассуждений, ориентированную на управление роботами, Real2Sim-воссоздание сцен, мульти модальную разметку видео и итеративное улучшение политик. В демонстрациях Argon управляет Boston Dynamics Spot и манипуляторами в MuJoCo-твинах, восстанавливает сцены из теледемонстраций и синтезирует доменно-рандомизированные эпизоды MuJoCo (по данным Google, успех на одном наборе вырос с 56% до 75%); Google сообщает 87% на бенчмарке ERQA, предлагает модель подписчикам Google AI Ultra и через платный Gemini API (gemini-4-argon), при этом публикуя ограниченные данные о неудачах и опираясь на обширные подсказки/сконструированные механизмы управления.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Google выпустила Gemini 4 Argon — модель общего назначения для физических рассуждений, ориентированную на управление роботами, Real2Sim-воссоздание сцен, мульти модальную разметку видео и итеративное улучшение политик.
- В демонстрациях Argon управляет Boston Dynamics Spot и манипуляторами в MuJoCo-твинах, восстанавливает сцены из теледемонстраций и синтезирует доменно-рандомизированные эпизоды MuJoCo (по данным Google, успех на одном наборе вырос с 56% до 75%); Google сообщает 87% на бенчмарке ERQA, предлагает модель подписчикам Google AI Ultra и через платный Gemini API (gemini-4-argon), при этом публикуя ограниченные данные о неудачах и опираясь на обширные подсказки/сконструированные механизмы управления.
- Важность в том, что Google представляет передовую мультимодальную модель как компонент интегрированных workflow симуляция→реальность для робототехники, заявляя о заметных улучшениях и высоком результате на ERQA при значительной зависимости от подсказок и ограниченной прозрачности по ошибкам.
ПОЧЕМУ ЭТО ВАЖНО
Важность в том, что Google представляет передовую мультимодальную модель как компонент интегрированных workflow симуляция→реальность для робототехники, заявляя о заметных улучшениях и высоком результате на ERQA при значительной зависимости от подсказок и ограниченной прозрачности по ошибкам.