Gemini 4 Argon for Robotics
Google DeepMind · 13 oct, 18:01
Google DeepMind presenta Gemini 4 Argon, un modelo especializado en razonamiento físico para robótica que alcanza el 87% en el benchmark ERQA de comprensión espacial 3D. El modelo puede controlar robots reales (como el cuadrúpedo Boston Dynamics Spot) y brazos manipuladores, generar código de control, crear gemelos digitales en simulación y trabajar en bucles visuales cerrados para tareas como recogida de objetos, reordenación y planificación de movimientos.
Argon demuestra capacidades transversales en toda la cadena de robótica: control de robots con múltiples grados de libertad mediante lenguaje natural, generación de primitivas de movimiento en código, creación y ajuste iterativo de gemelos digitales en MuJoCo para validar movimientos antes de ejecutarlos en hardware real, y razonamiento visual-espacial para verificar posiciones mediante cámaras de muñeca calibradas.
El modelo opera en bucles cerrados donde inspecciona observaciones visuales y ajusta planes: puede descomponer tareas complejas en acciones simples direccionales, verificar alineaciones 3D mediante retículas visuales coordinadas, y usar sistemas de múltiples agentes (ej. verificadores de pie y mano) para validación robusta. En el benchmark ERQA, Argon supera a todos los demás modelos frontera disponibles en su capacidad de resolver problemas físicos puros sin entrenamientos adicionales, posicionándose como un paso hacia AGI físico.
Puntos clave
- Argon alcanza 87% en benchmark ERQA de razonamiento espacial 3D
- Controla robots Boston Dynamics Spot de 12-DoF (patas) + 6-DoF (brazo)
- Genera código de primitivas de movimiento y crea gemelos MuJoCo para validar antes de ejecución
- Funciona en bucles visuales cerrados con verificación mediante cámaras calibradas