Google DeepMind presentó un método de entrenamiento basado en vídeo para el humanoide Apollo de Apptronik con Gemini 4 Argon, según informó primero Roboticsandautomationnews. Google DeepMind afirma que este proceso puede reducir de semanas a unas pocas horas el trabajo de simulación que normalmente requiere un esfuerzo manual, y así disminuir el tiempo de ingeniería necesario para enseñar nuevas habilidades físicas a los robots.
Durante una prueba interna, Argon observó un vídeo sin procesar de una persona jugando al cornhole. Analizó el entorno, trazó coordenadas espaciales y calculó los movimientos articulares de todo el cuerpo necesarios para realizar la tarea.
A continuación, Argon generó código de simulación de forma autónoma y transfirió a Apollo el comportamiento aprendido. Google DeepMind afirma que el humanoide acertó siete lanzamientos consecutivos durante una prueba en el mundo real.
Google DeepMind denomina al método un proceso «Video-to-Sim-to-Real». El resultado de siete lanzamientos de Apollo corresponde a la prueba en el mundo real, mientras que la reducción de tiempo anunciada se refiere al trabajo de simulación.
La demostración busca mostrar cómo los modelos de IA de propósito general podrían reducir el trabajo de ingeniería manual necesario para enseñar nuevas habilidades físicas a los robots. Google también presenta Argon como una herramienta para tareas complejas de ingeniería, científicas, de programación y empresariales.
Google DeepMind también probó Argon en su benchmark Embodied Reasoning, o ERQA, que mide el razonamiento sobre problemas físicos y espaciales en entornos 3D. Google afirma que Argon obtuvo una puntuación del 87 por ciento.
Google afirma que el modelo se ha utilizado en proyectos que abarcan desde la optimización de grandes bases de código de software hasta la computación cuántica, la fusión nuclear y la investigación en ciencias de la vida. Gemini 4 Argon ya está disponible a través de los productos de IA de Google y la API de Gemini.