Gemini 4 Argon ו-Genie 4: כיצד מודלים של DeepMind משנים סימולציות לרובוטיקה

נערך על ידי: Svitlana Velhush

We’ve been busy shipping 🚢 Here’s a recap of the last couple of weeks: — Gemini 4 Neon, our newest model that brings frontier-level intelligence with fast end-to-end task completion across complex software engineering, knowledge work, and science workflows — Gemini 4 Hydrogen,

Reply

ב-20 בנובמבר 2026 הכריזה Google DeepMind על זמינותן של גרסאות חדשות של המודלים Gemini 4 ו-Genie 4, אשר מרחיבות באופן מהותי את היכולות של יצירת סימולציות עולם ריאליסטיות ואת יישומן באימון רובוטים. עדכונים אלה נשענים על פיתוחים קודמים בתחום מודלי העולם ומערכות vision-language-action, אך מציגים שיפורים מרכזיים בזמן אמת ובמולטימודליות.

Genie 4 הוא מודל עולם מולטימודלי באופן ילידי, אשר מייצר לא רק סצנות חזותיות ברזולוציה של עד 720p בקצב של 24 fps, אלא גם תוכן אודיו מסונכרן: צלילי ambient, מוזיקה ודיאלוגים של דמויות. המודל משלב את יכולות Gemini Omni לעיגון הסימולציות בעולם האמיתי ואת גרסאות אחרות של Gemini לשמירה על קוהרנטיות והמשכיות של הסצנות. משתמשים יכולים להשפיע בזמן אמת על הסימולציה באמצעות פרומפטים טקסטואליים — לשנות מזג אוויר, להכניס אובייקטים או דמויות — כאשר רכיבי Gemini מתאימים את השינויים באופן הקשרי ומקפידים על סבירות פיזיקלית.

בתחום הרובוטיקה תפקיד מפתח ממלא Gemini 4 Argon, אשר משמש כמנוע סימולציה. הוא מייצר אלפי הרצות סימולציה מגוונות המבוססות על סצנות וידאו אמיתיות, יוצר תאומים דיגיטליים ומאיץ את ההכללה של מיומנויות. הדבר איפשר לפתח את Gemini Robotics 2.5 — מודל ה-VLA המתקדם ביותר עד היום. לפי נתוני DeepMind, המודל מציג עלייה בשיעור ההצלחה בביצוע משימות של 30–100 % בהתאם לסוג, והאצה בביצוע של 20–30 % לעומת גרסאות קודמות, אשר נבחנו על יותר מ-200 משימות, כולל עבודה עם אובייקטים הניתנים לעיוות וכלים עדינים.

מתודולוגיית ההערכה כוללת הן בדיקות מעבדה והן פיילוטים אמיתיים, למשל בקווי הייצור של Mercedes-Benz עם הרובוט Apptronik Apollo 2, שבהם הושגה הצלחה של 96 % במשימת הרכבת חלקים. עם זאת, DeepMind אינה מפרסמת בנצ'מרקים מפורטים בהשוואה למודלים חיצוניים, והמיקוד הוא במדדים פנימיים וב-steerability — היכולת להימנע מסכנות בזמן אמת. הדבר מותיר שאלות בדבר יכולת שחזור והשוואה לגישות מקבילות של מעבדות אחרות, כגון עבודות של OpenAI או Boston Dynamics ב-embodied AI.

בנוף מודלי העולם, Genie 4 נבנה על Genie 3, מכפיל את משך הסימולציות הקוהרנטיות ומוסיף native audio, מה שמבדיל את גישתה של DeepMind ממחוללים חזותיים בלבד כמו Runway. השילוב עם Gemini 4 Argon לרובוטיקה יוצר מעגל סגור: הסימולציות מאיצות את אימון מודלי ה-VLA, ואלה בתורן משפרות את איכות הסימולציות. מדובר בשינוי אסטרטגי לעומת איטרציות קודמות, שבהן הנתונים נאספו בעיקר בעולם האמיתי.

ההשלכות הנגזרות כוללות האצת הפיתוח של אינטליגנציה פיזית: רובוטים מסתגלים מהר יותר לסביבות חדשות, מה שפותח את הדרך להרחבה תעשייתית. עם זאת, נותר לא ברור עד כמה המיומנויות ניתנות להכללה מעבר ל-200 המשימות שנבחנו וכיצד המודל מתמודד עם תרחישים סוכניים ארוכי טווח ללא בדיקות נוספות.

שאלות פתוחות נוגעות לאימות עצמאי של השיפורים המוצהרים ולהשפעה על בטיחות — DeepMind פרסמה את הבנצ'מרק ASIMOV-Jailbreak, שבו Argon מציג 99.5 % עמידות, אך סיכונים אמיתיים בסביבות לא מבוקרות מחייבים מחקר נוסף מצד הקהילה.

לפיכך, השילוב של Gemini 4 ו-Genie 4 מעביר את הדגש ממודלים מבודדים למעגלי סימולציה-אימון משולבים, מה שהופך את הצעד הבא ב-embodied AI לנגיש יותר.

4 צפיות

מקורות

  • News — Google DeepMind

  • deepmind.google

  • deepmind.google

תגובות

קראו כתבות נוספות בנושא זה:

מצאתם טעות או אי-דיוק?הערותיכם ייבחנו בהקדם האפשרי.