Google, Gemini 4 Argon'un robotların ihtiyaç duyduğu tek AI modeli olmasını istiyor

Google DeepMind, Gemini 4 Argon ile robotik iş akışının tüm aşamalarını tek bir yapay zeka modeline taşıma hedefiyle yeni bir platform sundu. Argon, bir fotoğraf ya da el çizimi gibi düşük seviyeli girdileri alarak 3D simülasyonlar üretiyor; bu sanal ortamlar içinde robotlar hareketlerini deniyor, ardından gerçek donanımda denemeler yapıyor. Demo senaryolarında Boston Dynamics Spot robotu, bir çöp kutusuna soda kutuları atarken önce MuJoCo tabanlı bir simülasyonda deneme yapıyor, ardından gerçek dünyada görevi yerine getiriyor.

Modelin en dikkat çeken özelliklerinden biri, tek bir fotoğraf üzerinden binlerce eğitim senaryosu oluşturabilmesi. Örneğin bir masa fotoğrafı verildiğinde Argon, 77 farklı görev tanımlayıp 4.500'den fazla simülasyon çalıştırarak robotun başarı oranını %56'dan %75'e yükseltti ve işlem süresini 35 saniyeden 24 saniyeye indirdi. Ayrıca teleoperasyon kayıtları, birinci şahıs insan videoları ve hatta kalem eskizleri gibi çeşitli veri kaynaklarından da benzer sanal ortamlar yaratabiliyor.

Gemini Omni adlı video dünya modeliyle entegrasyonu, Argon'un video tabanlı planlama yeteneklerini gösteriyor. Argon, video sahnelerinde nesnelerin hareketlerini zaman damgalarıyla tanımlıyor, Gemini Omni bu talimatları videoya dönüştürüyor ve model de çıktıyı kontrol edip bir sonraki adımı ayarlıyor. Bu süreç, robotik ellerin harf taşlarını "ARGON" kelimesi oluşturacak şekilde sıralamasını 33 adımda tamamlamasını sağladı.

Argon aynı zamanda eğitim verisinin kalitesini değerlendirme işlevi de taşıyor. Çift kollu bir robotun origami tilki katlama videosunda hatalı tutuşları ve duraklamaları işaretleyerek bu bölümlerin eğitim sırasında daha düşük ağırlık almasını sağlıyor. Google, modelin şu anda Google AI Studio ve Antigravity geliştirme ortamında, yalnızca Google AI Ultra aboneleri için erişilebilir olduğunu belirtiyor.