Mô hình Gemini 4 Argon cho Robotics

Ngành chế tạo robot đang tiến thêm một bước sát hơn tới trí tuệ nhân tạo tổng quát hiện thực hóa thông qua mô hình mới mang tên Gemini 4 Argon. Điểm nhấn lớn nhất của mô hình này là khả năng hiểu biết vật lý, tạo mã nguồn và suy luận thị giác kết hợp ngữ nghĩa, tạo ra bước nhảy vọt trong việc vận hành toàn bộ hệ thống robot.

Trên bài kiểm tra suy luận thể hiện thực tế gọi là Embodied Reasoning benchmark, Argon đạt mức điểm 87 phần trăm khi giải quyết các bài toán không gian ba chiều bằng phương pháp suy luận thuần túy. Con số này giúp mô hình vượt qua tất cả các mô hình tiên phong khác hiện có trên thị trường trong cùng lĩnh vực không gian vật lý.

Khả năng ứng dụng thực tế của Argon trải dài qua nhiều kịch bản phức tạp nhờ việc kết hợp các nền tảng mô phỏng. Khi điều khiển một robot bốn chân Boston Dynamics Spot kết hợp tay máy sáu bậc tự do, Argon tự tạo ra một bản sao kỹ thuật số trên phần mềm MuJoCo để luyện tập thao tác bước lên bàn đạp thùng rác trước khi cho robot thực hiện hành động vứt lon nước ngọt ngoài đời thật.

Không chỉ dừng lại ở các thao tác cơ bản, mô hình còn xử lý tốt các bài toán điều khiển vòng lặp kín bằng cách viết ra các đoạn mã lệnh có gắn dấu thời gian. Khi điều khiển robot sắp xếp các ô chữ Scrabble thành từ hoàn chỉnh, Argon liên tục kiểm tra khung hình trung gian, tinh chỉnh câu lệnh để tự sửa lỗi trong suốt quá trình tương tác.

Trong việc xử lý dữ liệu mô phỏng, người phát triển có thể cung cấp một bản phác thảo vẽ tay trên giấy về robot hình người Apollo 2 ném bóng bắn hạ chồng hộp. Ngay lập tức, Argon tự động xây dựng cảnh mô phỏng trên nền tảng GPU, tổng hợp quỹ đạo ném toàn thân với bảy mươi sáu bậc tự do, kiểm chứng vật lý và xuất tệp hình ảnh hoàn chỉnh.

Khả năng phân tích video của mô hình cũng đạt độ chi tiết cao khi bóc tách dữ liệu từ các đoạn phim ghi lại thao tác thủ công. Với video robot bimanual ALOHA 2 gấp giấy origami thành hình con cáo trong một trăm ba mươi sáu giây, Argon tự động chia nhỏ thành một cấu trúc bốn cấp độ gồm mục tiêu tập episodes, sáu tác vụ phụ, mười bảy nguyên thủy hành động và hệ thống kiểm soát chất lượng tự động.

Đáng chú ý, Argon còn có khả năng tự sinh dữ liệu trong môi trường mô phỏng để huấn luyện các mô hình điều khiển hành động tầm nhìn. Xuất phát từ một bức ảnh chụp bàn làm việc duy nhất, mô hình tự dựng bản sao kỹ thuật số, tạo ra hơn bốn nghìn năm trăm tập dữ liệu ngẫu nhiên để nâng tỷ lệ thành công của robot thực tế từ năm mươi sáu phần trăm lên bảy mươi lăm phần trăm.

Sự xuất hiện của các mô hình như Gemini 4 Argon cho thấy ranh giới giữa mã lệnh phần mềm, mô phỏng vật lý và phần cứng robot đang dần được xóa nhòa. Khi AI có thể tự nhìn, tự viết mã và tự kiểm chứng tương tác vật lý trực tiếp trong không gian ba chiều, bài toán tự động hóa trong thế giới thực không còn nằm ở thì tương lai xa.