Google's Gemini 4 Argon يستهدف الذكاء الاصطناعي العام الفيزيائي عبر كامل بطاريات الروبوتات

قدمت Google نموذج Gemini 4 Argon، وهو نموذج محادثة فيزيائي متعدد الأغراض، يعمل على تسريع التقدم نحو الذكاء الاصطناعي العام الفيزيائي. ووفقاً للشركة، يحقق Argon نسبة 87% في معيار ERQA، حيث يتم اختبار قدرة النموذج على التغلب على المهام الفيزيائية والفضائية في بيئة ثلاثية الأبعاد من خلال المحادثة المقدسة. ووفقاً لمدونة Google Developers، يتفوق Argon على جميع النماذج الرائدة الأخرى في هذا المعيار.

التحكم في الروبوتات وإمكانيات Zero-Shot

يتم استخدام النموذج في دورة الروبوتات بالكامل. في التحكم، يُظهر Argon مناورة متنقلة مع Spot من Boston Dynamics: يتدرب في نسخة MuJoCo الرقمية على منحدر دواسة القدم حتى يتصرف على دواسة حقيقية. يعمل النظام في وضع zero-shot للتحكم في ذراع الروبوت لإعادة قلب مقلاة مقلوبة ووضع مقبض بداخلها، باستخدام إحداثيات بصرية أولية وبدائيات الإجراءات. كما يدير Argon الروبوتات في نموذج Gemini Omni World Model، حيث يرتب قطع Scrabble المبعثرة لتكوين كلمة A-R-G-O-N، ويكتب مطالبات مؤقتة ويتحقق من الإطارات الوسيطة في حلقة بصرية مغلقة.

Real2Sim والفهم الفيزيائي

يبني Argon بيئات محاكاة معيرة فيزيائياً من مصادر متعددة. من كاميرا الروبوت، ينشئ نسخاً رقمية تتطابق مع المرئيات الحقيقية والتلامس. من فيديو بشري ذاتي المركز، يتعرف على الكائنات المهمة ومسارات اليد وينقلها إلى بشري ثنائي اليدين بـ 76 درجة حرية مع يدين بخمس أصابع لكل منهما بـ 22 درجة حرية. من رسم تخطيطي مرسوم بالطباشير على الورق، يبني مشهد mujoco_warp المعجل بـ GPU ويعد مسارات تدحرج الجسم بالكامل لـ Apollo 2 البشري.

من أجل الفهم الفيزيائي، يقوم Argon بوضع علامات متعددة الوسائط تعتمد على الوكيل. بناءً على فيديو مدته 136 ثانية لروبوت ALOHA 2، حيث يطوي ورقة في طائر أوريغامي، ينشئ هرمية رباعية الأبعاد: أهداف الحلقة، المهام الفرعية الدلالية، البدائيات الذرية، وتقييمات مراقبة الجودة. النموذج هو أيضاً دالة قيمة عامة، يصنع تنبؤات دقيقة بالتقدم ويقسم المسارات إلى مقاطع ذات انحياز إيجابي ومحايد وسلبي.

التحسين الذاتي والمحاكاة

يولد Argon بيانات جديدة في المحاكاة لنماذج الرؤية-اللغة-الإجراء العامة. من صورة RGB واحدة لطاولة حقيقية، يبني بيئة MuJoCo معيرة، ويحدد مهام جديدة ويصنع مولد حركة حلقة مغلقة. جمعت العملية أكثر من 4500 حلقة عشوائية خاصة بالمجال، حيث ارتفعت نسبة نجاح الروبوت من 56% إلى 75%، وانخفض الوقت من 35 ثانية إلى 24 ثانية.

يُظهر النموذج أيضاً تحسيناً ذاتياً متكرراً على الأجهزة. على ذراع بسيط بـ 6 درجات حرية، حسّن Argon السرعة والدقة في مهمة التقاط ووضع من خلال المحاولات، والتأمل الذاتي، والتحسين. بعد ثلاث تكرارات، انخفض الوقت من 58.9 ثانية إلى 17.4 ثانية، وحقق التكرار الأخير ضربة دقيقة في المركز.

المصادر: developers.googleblog.com