Gemini 4 Argon, Robotik İçin Fiziksel Anlayış ve Kod Üretiminde Yeni Bir Dönem Başlatıyor

Gemini 4 Argon, fiziksel ortamları kavrama, kod üretme ve görsel‑semantik akıl yürütme konularında önceki nesillere göre belirgin bir sıçrama gerçekleştiriyor. DeepMind, modelin Embodied Reasoning (ERQA) benchmark'inde %87 skor elde ederek mevcut en iyi sınırları aştığını vurguladı. Argon, bu yetkinliğini robotik yaşam döngüsünün her aşamasına entegre edebilen genel‑amaçlı bir fiziksel akıl yürütme modeli olarak konumlandırıyor.

Modelin en dikkat çeken uygulama alanlarından biri, Boston Dynamics Spot gibi mobil manipülatörlerin dijital ikizlerini (MuJoCo) kullanarak gerçek dünyada deneme yapmadan önce sanal ortamda becerileri öğrenmesi. Argon, bir çöp kutusuna basarak soda kutularını atma gibi görevleri önce sanal ortamda pratik yapıp ardından fiziksel robot üzerinde sıfır‑atış kontrolle hayata geçiriyor. Bu süreç, robotun ayak ve el hareketlerini iki‑ajanlı bir doğrulama sürüsüyle (foot‑verifier ve hand‑verifier) kontrol ederek güvenliği artırıyor.

Zero‑shot kontrol örneklerinde Argon, basit bir robot kolunu devrilmiş bir kupayı dik konuma getirip içine katlanmış bir peçeteyi yerleştirme görevini, görsel koordinat referansları ve eylem primitifleri üzerinden birkaç adımda tamamlıyor. Model, görsel koordinat sistemini (X, Y, Z eksenleri ve cm cinsinden ölçümler) kullanarak robotun el ve parmak hareketlerini hassas bir şekilde yönlendiriyor ve gerektiğinde kapalı‑döngü geri besleme ile hataları telafi ediyor.

Argon ayrıca Real2Sim (gerçek‑simülasyon) akışını da güçlendiriyor. Gerçek robot kamera akışlarından, insan bakış açılı videolardan ve hatta elle çizilmiş kağıt eskizlerinden fiziksel olarak kalibre edilmiş simülasyon ikizleri oluşturabiliyor. Bu ikizler, MuJoCo tabanlı yüksek hızlı (500 Hz) fizik motorlarıyla gerçek temas ve kuvvet verilerini eşleştirerek, robotik araştırmacıların veri kalitesini artıran çok‑katmanlı geriye dönük etiketleme (hindsight labeling) ve görev ilerleme ölçütleri sunuyor.