Google aplica Gemini 4 Argon em robótica e inicia liberação para assinantes
A DeepMind detalhou o uso do Gemini 4 Argon na criação de gêmeos digitais e controle físico, enquanto o Google restringe a estreia comercial do modelo a usuários pagos.
Por que importa. A capacidade de sintetizar simulações físicas no MuJoCo a partir de vídeos e esboços reduz a complexidade para equipes de engenharia criarem rotinas de robótica sem depender de teleoperação manual intensiva.
O Google DeepMind detalhou nesta terça-feira (13) a aplicação do Gemini 4 Argon no controle robótico e na modelagem física, registrando 87% de aproveitamento no benchmark Embodied Reasoning (ERQA). O modelo passa a ser utilizado para converter vídeos, fotos e esboços em simulações calibradas na biblioteca de física MuJoCo, além de orientar a movimentação direta de braços mecânicos e robôs quadrúpedes. No mesmo dia, de acordo com o Ars Technica, o Google iniciou a distribuição do Argon no aplicativo Gemini e na plataforma Antigravity, limitando o acesso a assinantes pagos.
A integração na robótica abrange quatro etapas do ciclo de desenvolvimento: controle direto de hardware, conversão de dados reais em simulação (chamada de Real2Sim), compreensão física e rotinas de autoaperfeiçoamento. Em uma das demonstrações publicadas pela DeepMind, o modelo controlou um quadrúpede Spot da Boston Dynamics, equipado com 12 graus de liberdade nas pernas e 6 no braço manipulador. Para ensinar o robô a acionar uma lixeira de pedal e descartar latas de refrigerante, o Argon primeiro montou uma réplica virtual articulada no simulador MuJoCo para praticar a postura de equilíbrio em três apoios antes de executar a ação no mundo físico.
Simulação de física a partir de vídeo e esboços
Na frente de Real2Sim, o sistema automatiza a recriação de ambientes tridimensionais sem exigir modelagem manual de malhas e colisões. A partir de gravações de teleoperação ou vídeos captados pelo ponto de vista humano, o Argon identifica os objetos da cena e substitui caixas delimitadoras simples por malhas decompostas convexas. Em seguida, a ferramenta ajusta as trajetórias para humanoides bimanual de 76 graus de liberdade com mãos de 22 graus de liberdade, calculando a física de contato a 500 Hz.
O fluxo também aceita entradas desenhadas à mão em papel. Em um dos testes descritos pelo laboratório, uma foto de um rascunho com caneta indicando uma trajetória parabólica foi suficiente para o modelo estruturar o cenário no pacote mujoco_warp acelerado por GPU, calcular o movimento de arremesso e derrubar uma pilha de caixas dentro do ambiente virtual. Em tarefas de manipulação fina em mesa, o modelo utilizou chamadas via protocolo HTTP contra uma API local para inspecionar coordenadas de câmeras de pulso e reposicionar xícaras e guardanapos em laço fechado.
Monitor contra desvios e uso interno no Google
Enquanto a DeepMind expõe os casos de uso físicos, a versão para consumidores e desenvolvedores começou a chegar ao mercado com restrições severas. Segundo apuração do Ars Technica, a distribuição no aplicativo Gemini e na ferramenta Antigravity exige assinatura paga, e mesmo planos básicos não recebem cotas completas de uso. Para evitar usos indevidos, o sistema opera conectado a um monitor automatizado de desalinhamento. Esse recurso tem a função de interromper o processamento em tempo real se identificar desvios operacionais ou instruções maliciosas.
Antes de liberar o Argon externamente, o Google utilizou o modelo em suas próprias equipes de engenharia. Segundo o Ars Technica, a ferramenta encontrou falhas críticas que estavam presentes desde 2018 na base de código do simulador de drones do Project Wing. Em outro caso interno relatado, o Argon analisou a infraestrutura do YouTube e detectou renderizações redundantes no mecanismo de exibição de comentários. A correção dessa falha diminuiu a carga dos servidores da plataforma em 45%.
A publicação da DeepMind foca em apresentar prompts e parâmetros técnicos de execução, mas não detalha custos por token nem quando as chamadas específicas de controle robótico estarão abertas na API pública para terceiros. A empresa também não esclareceu se pretende empacotar os conectores com o MuJoCo como serviços prontos para integração externa. Para quem desenvolve produtos de automação e robótica no Brasil, o avanço sinaliza que modelos de raciocínio multimodal começam a assumir a geração de gêmeos digitais e a validação de física antes do envio de comandos para o hardware.
Fontes
- Google DeepMind: Gemini 4 Argon for Robotics
- Ars Technica: Gemini 4 Argon begins rolling out in Gemini app and Antigravity, but only if you pay
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
