گوگل اعلام کرد مدل Gemini 4 Argon اکنون برای توسعه‌دهندگانی در دسترس است که اشتراک Google AI Ultra یا طرح پولی Gemini API را دارند. Argon قرار است یک هوش مصنوعی واحد باشد که کد کنترل ربات بنویسد، محیط‌های مجازی برای تمرین بسازد و ویدئوهای آموزشی را بررسی کند. این شرکت نشان داد که مدل پس از تمرین در شبیه‌سازی MuJoCo، ربات Spot شرکت Boston Dynamics را وادار می‌کند قوطی‌های نوشابه را پرتاب کند. همچنین طی سه تلاش، سرعت یک بازوی رباتیک ساده را از 59 ثانیه به 17 ثانیه رساند.
Argon در نمایش‌ها چگونه کار می‌کند
در نمایش Spot، Argon ابتدا نسخه‌ای مجازی از سطل زباله می‌سازد و به ربات اجازه می‌دهد روی سه پا تعادلش را تمرین کند؛ سپس نوبت انجام کار در دنیای واقعی می‌رسد. پیش از رهاشدن قوطی، دو عامل هوش مصنوعی دیگر موقعیت پاها و گیره ربات را زیر نظر می‌گیرند. در نمایش دیگری، مدل با یک عکس از میز، 4,500 مرحله تمرین شبیه‌سازی‌شده تولید می‌کند و نرخ موفقیت ربات را از 56 ٪ به 75 ٪ می‌رساند و هم‌زمان زمان اجرا را از 35 ثانیه به 24 ثانیه کاهش می‌دهد. Argon همچنین می‌تواند طرح دستیِ رباتی انسان‌نما را که جعبه‌ها را واژگون می‌کند به شبیه‌سازی تبدیل کند تا حرکت پرتابی باثباتی محاسبه شود.
عملکرد در بنچمارک‌ها
گوگل Argon را در بنچمارک ERQA ارزیابی کرد؛ این آزمون از مدل‌ها می‌خواهد بدون ابزارهای اضافی به 400 پرسش درباره استدلال فیزیکی پاسخ دهند. Argon امتیاز 87 ٪ گرفت و از Claude Opus 5.5 (82.3 ٪) و GPT‑6 Astra (81 ٪) پیشی گرفت. در آزمونی دیگر، بنچمارک AA‑Robotics، مدل‌های زبانی می‌توانند مستقیماً یک بازوی رباتیک واقعی را کنترل کنند. Argon با 55 امتیاز سوم شد و پس از GPT‑6 Astra (69) و GPT‑6.1 Sol (65) قرار گرفت.
چرا مهم است
برای توسعه‌دهندگان رباتیک، Argon می‌تواند با تولید داده‌های آموزشی از یک تصویر یا طرح، حجم کارِ ساخت دستی شبیه‌سازی‌ها را کاهش دهد. این قابلیت می‌تواند نمونه‌سازی وظایف جدید ربات‌ها را سرعت ببخشد؛ بااین‌حال، مدل همچنان به دستوردهی دقیق نیاز دارد و فقط از طریق اشتراک پولی در دسترس است.
