Acelerar el desarrollo de la robótica
Al combinar razonamiento visual-semántico avanzado, comprensión física profunda y generación autónoma de código, Argon desbloquea nuevos flujos de trabajo en toda la pila de robótica y acelera el progreso hacia la AGI física. Este salto en capacidad se refleja en el desempeño de Argon en el punto de referencia Embodied Reasoning (ERQA), que prueba la capacidad de un modelo para comprender y resolver problemas físicos y espaciales en entornos 3D. Basándose en el razonamiento puro, Argon supera a todos los demás modelos de frontera, con una puntuación del 87%.
Para demostrar estas capacidades en acción, probamos la capacidad de Argon para aprender una habilidad física fuera de distribución simplemente observando. En una prueba interna, Argon vio un vídeo sin editar de un humano jugando al cornhole, trazó un mapa de las coordenadas espaciales del entorno y calculó los movimientos articulares necesarios de todo el cuerpo. Luego construyó de forma autónoma el código de simulación. Cuando se transfirió al humanoide Apollo de Apptronik, el robot rápidamente realizó siete disparos consecutivos en una prueba del mundo real.
Este canal “Video-to-Sim-to-Real” comprime semanas de modelado de simulación manual en unas pocas horas, transformando videos comunes en un campo de entrenamiento infinito y escalable para la robótica. Obtenga más información sobre cómo esto acelera el ritmo de desarrollo de la robótica en nuestro blog de desarrolladores.