A Google egyetlen modellel fedné le a robotok teljes munkafolyamatát
A Google Gemini 4 Argon nevű modelljét úgy mutatta be, mint amely a robotika teljes munkafolyamatát képes lefedni: robotokat irányít, virtuális gyakorlókörnyezeteket épít, valamint oktatóvideókat és korábbi próbálkozásokat értékel. Egy Boston Dynamics Spot robot például előbb szimulációban gyakorolta, hogyan dobjon üdítősdobozokat egy taposós kukába, miközben két további mesterségesintelligencia-ügynök ellenőrizte a robot lábának és megfogójának helyzetét.
Argon egyetlen fényképből is képes virtuális másolatot készíteni egy asztalról, majd 77 feladatot és több mint 4500 gyakorlási epizódot létrehozni. A valódi robot sikerességi aránya ennek nyomán 56-ról 75 százalékra nőtt, a feladatvégrehajtás ideje pedig 35-ről 24 másodpercre csökkent. A modell teleoperált robot felvételeiből, emberi kézmozdulatokat bemutató videókból, sőt egyszerű golyóstollas vázlatokból is szimulációt készít.
A Google szerint az Argon az ERQA fizikai és térbeli következtetési tesztjén, 400 segédeszköz nélküli kérdés alapján 87 százalékot ért el. Ugyanakkor egy másik, valódi robotkart irányító AA-Robotics-teszten csak az 55 pontos, harmadik helyet szerezte meg. A bemutatók azt is jelzik, hogy a rendszer jelenleg részletes emberi utasításokra, ellenőrzésre és javításra szorul, így az „egyetlen modell minden robothoz” elképzelés még nem tekinthető megvalósultnak.