Google-მა რობოტების მართვისთვის უნივერსალური AI მოდელი Gemini 4 Argon

ტექნოლოგიურმა გიგანტმა Google-მა რობოტოტექნიკის სრული ციკლის სამართავად ახალი მულტიმოდალური ხელოვნური ინტელექტის მოდელი Gemini 4 Argon წარადგინა. სისტემა აერთიანებს აპარატურის პირდაპირ კონტროლს, ვირტუალური სიმულაციური სამყაროების გენერირებასა და საწვრთნელი ვიდეოების დეტალურ შეფასებას. დეველოპერებს საშუალება ეძლევა, ერთი ალგორითმით მართოს ურთულესი საინჟინრო პროცესები და შეამციროს რთული აპარატურული ექსპერიმენტების ხარჯი.

სადემონსტრაციო ექსპერიმენტში Boston Dynamics-ის ოთხფეხა რობოტი Spot ნაგვის ურნის პედლის დაჭერასა და ქილების ჩაყრას ასრულებდა. რეალურ მოწყობილობასთან შეხებამდე Gemini 4 Argon-მა გარემოს ვირტუალური ასლი შექმნა, სადაც რობოტმა სამ ფეხზე ბალანსირება წინასწარ ივარჯიშა. მხოლოდ ვირტუალური ტესტების წარმატებით გავლის შემდეგ გადავიდა მექანიზმი რეალურ დავალებაზე, რამაც მექანიკური დაზიანების რისკები სრულად გამორიცხა.

დამუშავებული ალგორითმების წყალობით სისტემა სივრცით ურთიერთობებს აანალიზებს და საკონტროლო პროგრამულ კოდს დამოუკიდებლად ქმნის. კომპანიის განცხადებით, მოდელი ფიზიკური ზოგადი ხელოვნური ინტელექტის შექმნისკენ გადადგმულ ეტაპს წარმოადგენს, რაზეც DeepMind წლებია მუშაობს. სისტემა აერთიანებს ვიზუალურ ანალიტიკას, დინამიკურ ბალანსსა და ობიექტების გადაადგილების ზუსტ ტრაექტორიებს, რაც მანიპულატორების მოქმედებებს მეტ მოქნილობას სძენს.

ერთ-ერთ სატესტო გარემოში მოდელმა მაგიდის ერთი ფოტოსურათიდან ვირტუალური სამყარო ააგო, სადაც 77 სხვადასხვა ამოცანა ჩამოაყალიბა და 4500-ზე მეტი საწვრთნელი ეპიზოდი გენერირდა. რეალურ რობოტზე გამოცდისას ოპერაციის წარმატების მაჩვენებელი 56-დან 75 პროცენტამდე გაიზარდა, ხოლო შესრულების დრო 35-დან 24 წამამდე შემცირდა, რაც წარმოების პროდუქტიულობაზე დადებითად აისახა და ალგორითმის მაღალ ეფექტიანობას გაუსვა ხაზი.

ინჟინრების თქმით, მოდელს მარტივი ნახაზებიდანაც შეუძლია მუშაობა. ჩვეულებრივი ბურთულიანი კალმით შესრულებული ესკიზის საფუძველზე Argon-მა სიმულაცია ააგო, სადაც ჰუმანოიდმა რობოტმა ბურთის ტყორცნით 6 ყუთი ისე წააქცია, რომ წონასწორობა არ დაუკარგავს. ალგორითმმა ზუსტად გამოთვალა ფიზიკური იმპულსი, დაცემის კუთხე და სხეულის სიმძიმის ცენტრის მდგრადობა, რაც მანქანური გამოთვლების მაღალ სიზუსტეზე მიუთითებს.

მკვლევარებმა აღნიშნა, რომ მოდელი სამეცნიერო ნაშრომების რეპროდუცირებასაც ემსახურება. თითოეული პუბლიკაციის ბაზაზე სისტემამ ბრაუზერში გაშვებული 68 ინტერაქციული სიმულაცია შექმნა, მათ შორის რობოტების ფეხბურთი და სკეიტბორდზე მდგარი ჰუმანოიდი მოწყობილობა. ეს ფუნქციონალი სამეცნიერო ექსპერიმენტების გადამოწმებასა და ლაბორატორიულ ტესტირებას საგრძნობლად აჩქარებს და მკვლევრებს დროს უზოგავს.

სივრცითი ამოცანების ERQA ბენჩმარკზე, რომელიც 400 ურთულეს შეკითხვას მოიცავს, Gemini 4 Argon-მა 87 პროცენტი დააგროვა და კონკურენტებს გაუსწრო. მეორე ადგილზე გასულმა Claude Opus 5.5-მა 82.3 პროცენტი მიიღო, ხოლო GPT-6 Astra-მ 81 პროცენტი დააფიქსირა. Claude Fable 5.1-ის მაჩვენებელი კი 74 პროცენტით შემოიფარგლა, რაც Argon-ის სივრცით უპირატესობაზე მეტყველებს და მის მულტიმოდალურ პოტენციალს ადასტურებს.

ხელოვნური ანალიზის AA-Robotics ტესტში, სადაც მოდელები რეალურ მანიპულატორს 8 დავალებაში მართავდა, Argon-მა 55 ქულა დააგროვა. Google-ის წარმომადგენლებმა განმარტა: „Argon-ი ფიზიკური ზოგადი ხელოვნური ინტელექტისკენ გადადგმული კიდევ ერთი ნაბიჯია, თუმცა სისტემას გარკვეულ ეტაპებზე კვლავ სჭირდება ადამიანის ზედამხედველობა.“ ტესტში პირველი ადგილი GPT-6-მა დაიკავა და კონკურენტებს გადაუსწრო.

კომპანიის სპეციალისტებმა დაადასტურა, რომ სისტემა ასევე გამოიყენება საწვრთნელი მონაცემების გასაფილტრად. ორი წუთის ხანგრძლივობის ვიდეოებში, სადაც ორი რობოტული მკლავი ორიგამის ფიგურას კეცავდა, მოდელმა შეცდომები და პაუზები აღმოაჩინა, რათა შემდგომ ტრენინგში არასწორი მანევრები არ გათვალისწინებულიყო. ეს მიდგომა მანქანური სწავლების ეფექტიანობას ზრდის და უხარისხო მონაცემების გავლენას აქრობს.

მოდელი უკვე ხელმისაწვდომია Google AI Studio-სა და დეველოპერულ პლატფორმა Antigravity-ში Google AI Ultra გამომწერებისთვის. ერთიანი არქიტექტურა, რომელიც სიმულაციას, პირდაპირ კონტროლსა და შეფასებას აერთიანებს, ინდუსტრიულ რობოტოტექნიკაში ახალ მიდგომებს ამკვიდრებს და საწარმოო პროცესების ავტომატიზაციას ახალ საფეხურზე აჰყავს, რაც გლობალურ ბაზარზე ტექნოლოგიურ კონკურენციას ამძაფრებს.

ახალი პლატფორმის პრაქტიკული დანერგვა საწარმოო ხაზებზე რობოტების ადაპტაციის პერიოდს რამდენიმე კვირიდან რამდენიმე საათამდე ამცირებს. Google-ის ინჟინრები ვარაუდობს, რომ უნიფიცირებული მოდელის გამოყენება რობოტების პროგრამირებას გაამარტივებს და მცირე საწარმოებსაც მისცემს თანამედროვე ავტომატიზაციის დანერგვის შესაძლებლობას.