20 নভেম্বর 2026 সালে Google DeepMind ঘোষণা করেছে Gemini 4 এবং Genie 4 মডেলের নতুন সংস্করণের প্রাপ্যতার কথা, যা বাস্তবসম্মত বিশ্ব-সিমুলেশন তৈরির সক্ষমতা এবং রোবট প্রশিক্ষণে তাদের প্রয়োগ উল্লেখযোগ্যভাবে প্রসারিত করে। এই হালনাগাদগুলো বিশ্ব-মডেল এবং vision-language-action সিস্টেমের ক্ষেত্রে পূর্ববর্তী কাজের উপর ভিত্তি করে গড়ে উঠেছে, তবে রিয়েল-টাইম এবং মাল্টিমোডালিটিতে গুরুত্বপূর্ণ উন্নতি নিয়ে আসে।
Genie 4 হলো একটি নেটিভ মাল্টিমোডাল বিশ্ব-মডেল, যা 24 fps-এ 720p পর্যন্ত রেজোলিউশনে কেবল দৃশ্য-দৃশ্যই তৈরি করে না, বরং সিঙ্ক্রোনাইজড অডিও-কনটেন্টও উৎপন্ন করে: ambient শব্দ, সংগীত এবং চরিত্রদের সংলাপ। মডেলটি সিমুলেশনকে বাস্তব জগতে anchoring করার জন্য Gemini Omni-র সক্ষমতা এবং দৃশ্যের সামঞ্জস্য ও ধারাবাহিকতা বজায় রাখতে Gemini-র অন্যান্য রূপকে সমন্বিত করে। ব্যবহারকারীরা টেক্সট প্রম্পটের মাধ্যমে রিয়েল-টাইমে সিমুলেশনকে প্রভাবিত করতে পারেন — আবহাওয়া বদলানো, বস্তু বা চরিত্র প্রবেশ করানো — এবং Gemini-উপাদানগুলো প্রসঙ্গগতভাবে পরিবর্তনগুলো খাপ খাওয়ায় ও ভৌত বিশ্বাসযোগ্যতার দিকে নজর রাখে।
রোবোটিক্সের ক্ষেত্রে মূল ভূমিকা পালন করে Gemini 4 Argon, যা একটি সিমুলেশন ইঞ্জিন হিসেবে কাজ করে। এটি বাস্তব ভিডিও-দৃশ্যের ভিত্তিতে হাজার হাজার বৈচিত্র্যময় সিমুলেটেড রান তৈরি করে, ডিজিটাল টুইন নির্মাণ করে এবং দক্ষতার সাধারণীকরণ ত্বরান্বিত করে। এটিই Gemini Robotics 2.5 — আজ পর্যন্ত সবচেয়ে উন্নত VLA-মডেল — বিকাশ করা সম্ভব করেছে। DeepMind-এর তথ্য অনুযায়ী, মডেলটি কাজের ধরন অনুসারে 30–100 % পর্যন্ত সফলতার বৃদ্ধি এবং পূর্ববর্তী সংস্করণগুলোর তুলনায় 20–30 % পর্যন্ত সম্পাদনের ত্বরণ প্রদর্শন করে, যা 200-এরও বেশি কাজে পরীক্ষিত হয়েছে, যার মধ্যে নমনীয় বস্তু ও সূক্ষ্ম যন্ত্রপাতি নিয়ে কাজও অন্তর্ভুক্ত।
মূল্যায়ন পদ্ধতিতে ল্যাবরেটরি পরীক্ষা এবং বাস্তব পাইলট উভয়ই অন্তর্ভুক্ত, যেমন Mercedes-Benz-এর উৎপাদন লাইনে Apptronik Apollo 2 রোবটের সাথে, যেখানে যন্ত্রাংশ সংযোজন কাজে 96 % সাফল্য অর্জিত হয়েছে। তবে DeepMind বাহ্যিক মডেলের সাথে তুলনামূলক বিস্তারিত বেঞ্চমার্ক প্রকাশ করে না, এবং মনোযোগ কেন্দ্রীভূত হয়েছে অভ্যন্তরীণ মেট্রিক ও steerability-তে — রিয়েল-টাইমে বিপদ এড়ানোর সক্ষমতায়। এটি পুনরুৎপাদনযোগ্যতা এবং OpenAI বা Boston Dynamics-এর embodied AI-তে কাজের মতো অন্যান্য ল্যাবরেটরির সমান্তরাল পদ্ধতির সাথে তুলনার বিষয়ে প্রশ্ন রেখে যায়।
বিশ্ব-মডেলের পরিসরে Genie 4 Genie 3-এর উপর নির্মিত, যা coherent সিমুলেশনের সময়কাল দ্বিগুণ করে এবং native audio যোগ করে, যা DeepMind-এর পদ্ধতিকে Runway-এর মতো নিছক দৃশ্য-জেনারেটর থেকে আলাদা করে। রোবোটিক্সের জন্য Gemini 4 Argon-এর সাথে সমন্বয় একটি বদ্ধ চক্র তৈরি করে: সিমুলেশন VLA-মডেলের প্রশিক্ষণ ত্বরান্বিত করে, আর সেগুলো ঘুরে সিমুলেশনের গুণমান উন্নত করে। এটি পূর্ববর্তী পুনরাবৃত্তিগুলোর তুলনায় একটি কৌশলগত পরিবর্তন, যেখানে তথ্য প্রধানত বাস্তব জগতে সংগ্রহ করা হতো।
অধঃপ্রবাহী পরিণতির মধ্যে রয়েছে ভৌত বুদ্ধিমত্তার বিকাশের ত্বরণ: রোবট নতুন পরিবেশে দ্রুত খাপ খায়, যা শিল্প-পরিসরে বিস্তারের পথ খুলে দেয়। তবে পরীক্ষিত 200 কাজের বাইরে দক্ষতাগুলো কতটা সাধারণীকরণযোগ্য এবং অতিরিক্ত যাচাই ছাড়া দীর্ঘমেয়াদি এজেন্ট-পরিস্থিতিতে মডেলটি কীভাবে কাজ করে, তা অস্পষ্ট রয়ে গেছে।
উন্মুক্ত প্রশ্নগুলো দাবিকৃত উন্নতির স্বাধীন যাচাই এবং নিরাপত্তার উপর প্রভাব নিয়ে: DeepMind ASIMOV-Jailbreak বেঞ্চমার্ক প্রকাশ করেছে, যেখানে Argon 99,5 % স্থিতিশীলতা দেখায়, তবে অনিয়ন্ত্রিত পরিবেশে প্রকৃত ঝুঁকির জন্য সম্প্রদায়ের আরও গবেষণা প্রয়োজন।
সুতরাং, Gemini 4 এবং Genie 4-এর সমন্বয় বিচ্ছিন্ন মডেল থেকে মনোযোগ সরিয়ে সমন্বিত সিমুলেশন-প্রশিক্ষণ চক্রের দিকে নিয়ে যায়, যা embodied AI-তে পরবর্তী পদক্ষেপকে আরও অর্জনযোগ্য করে তোলে।

