谷歌发布 Gemini 4 Argon,主打物理推理与具身智能
谷歌发布通用物理推理模型 Gemini 4 Argon,官方称其打通机器人技术栈中的物理理解、代码生成与视觉语义推理,在具身推理基准 ERQA 上以纯推理拿下 87%。
选题角度:原文给出大量实测案例和与 Opus 5.5、GPT-6 Astra 的耗时成本对比,适合做上手实测加效果对比。
谷歌发布通用物理推理模型 Gemini 4 Argon,官方称其打通机器人技术栈中的物理理解、代码生成与视觉语义推理,在具身推理基准 ERQA 上以纯推理拿下 87%。
选题角度:原文给出大量实测案例和与 Opus 5.5、GPT-6 Astra 的耗时成本对比,适合做上手实测加效果对比。
Google DeepMind 发布 Gemini 4 Argon,该模型仅通过观看视频就学会玩投沙包(cornhole),自行推演物理规律、编写仿真程序,并教会 Apptronik 的 Apollo 人形机器人连续命中 7 次投掷。官方同时放出了演示视频链接。
选题角度:官方演示 Gemini 4 Argon 看视频学会投沙包并教人形机器人连续命中 7 次,适合做效果展示与能力解读。
Google 发布面向机器人的 Gemini 4 Argon,官方称其在测试 3D 物理空间理解的 Embodied Reasoning(ERQA)基准上用纯推理取得 87%,超过其他前沿模型。
选题角度:官方给出 Gemini 4 Argon 在 ERQA 拿 87% 和四类机器人提示词示例,适合挑一个 MuJoCo 场景做上手实测。
Google DeepMind 发布 Gemini 4 Argon,主打物理理解、代码生成与视觉语义推理,在 Embodied Reasoning(ERQA)基准上用纯推理取得 87%,超过其他前沿模型。
选题角度:官方给出 ERQA 87% 成绩和四类机器人提示词示例,适合挑一个 MuJoCo 场景做上手实测或效果对比。
World Labs 发布 Atlas 全能世界模型,可从文本、图像、视频和相机位姿生成、重建并模拟 3D 世界。官方称其支持像素级相机控制、最长 1 分钟 1440p 视频、稀疏视角 3D 重建,并输出点云和 3D Gaussian splats,用于机器人 real-to-sim 流程,架构为共享空间上下文的多模态自回归扩散 Transformer。