Gemini 4 Argon và Genie 4: cách các mô hình DeepMind thay đổi mô phỏng cho ngành robot

Chỉnh sửa bởi: 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

Ngày 20 tháng 11 năm 2026, Google DeepMind thông báo các phiên bản mới của Gemini 4 và Genie 4 đã sẵn sàng, với khả năng mở rộng đáng kể việc tạo ra các mô phỏng thế giới chân thực và ứng dụng chúng trong huấn luyện robot. Những bản cập nhật này kế thừa các thành tựu trước đó trong lĩnh vực mô hình thế giới và các hệ thống thị giác-ngôn ngữ-hành động, đồng thời mang đến những cải tiến quan trọng về khả năng xử lý thời gian thực và đa phương thức.

Genie 4 là một mô hình thế giới đa phương thức gốc, không chỉ tạo ra các cảnh hình ảnh ở độ phân giải lên đến 720p với 24 fps mà còn tạo ra nội dung âm thanh được đồng bộ hóa: âm thanh môi trường, âm nhạc và lời thoại của nhân vật. Mô hình tích hợp các khả năng của Gemini Omni để neo các mô phỏng vào thế giới thực và các biến thể khác của Gemini nhằm duy trì tính mạch lạc và liên tục của các cảnh. Người dùng có thể tác động đến mô phỏng trong thời gian thực thông qua các câu lệnh văn bản — thay đổi thời tiết, đưa vào các đối tượng hoặc nhân vật — đồng thời các thành phần Gemini điều chỉnh các thay đổi theo ngữ cảnh và theo dõi tính hợp lý về mặt vật lý.

Trong lĩnh vực robot, Gemini 4 Argon đóng vai trò then chốt khi hoạt động như một engine mô phỏng. Nó tạo ra hàng nghìn lần chạy mô phỏng đa dạng dựa trên các cảnh quay video thực tế, tạo ra bản sao số và tăng tốc quá trình tổng quát hóa kỹ năng. Điều này đã cho phép phát triển Gemini Robotics 2.5 — mô hình VLA tiên tiến nhất cho đến nay. Theo dữ liệu của DeepMind, mô hình cho thấy mức tăng tỷ lệ thành công khi thực hiện nhiệm vụ từ 30–100 % tùy theo loại nhiệm vụ và tốc độ thực hiện nhanh hơn 20–30 % so với các phiên bản trước đó, được kiểm thử trên hơn 200 nhiệm vụ, bao gồm cả việc làm việc với các vật thể biến dạng và dụng cụ mảnh.

Phương pháp đánh giá bao gồm cả các bài kiểm tra trong phòng thí nghiệm lẫn các thử nghiệm thực tế, chẳng hạn như trên dây chuyền sản xuất của Mercedes-Benz với robot Apptronik Apollo 2, nơi đạt được thành công 96 % trong nhiệm vụ lắp ráp linh kiện. Tuy nhiên, DeepMind không công bố các benchmark chi tiết so với các mô hình bên ngoài, mà tập trung vào các chỉ số nội bộ và khả năng điều khiển — khả năng tránh các nguy hiểm trong thời gian thực. Điều này để lại những câu hỏi về khả năng tái lập và so sánh với các phương pháp song song của các phòng thí nghiệm khác, chẳng hạn như các công trình của OpenAI hay Boston Dynamics trong lĩnh vực embodied AI.

Trong bối cảnh các mô hình thế giới, Genie 4 được xây dựng trên Genie 3, nhân đôi thời lượng của các mô phỏng mạch lạc và bổ sung âm thanh gốc, điều này phân biệt cách tiếp cận của DeepMind với các bộ tạo thuần hình ảnh như Runway. Việc tích hợp với Gemini 4 Argon cho ngành robot tạo ra một vòng khép kín: các mô phỏng tăng tốc quá trình huấn luyện các mô hình VLA, và đến lượt chúng lại cải thiện chất lượng mô phỏng. Đây là một bước chuyển chiến lược so với các phiên bản trước đó, khi dữ liệu chủ yếu được thu thập trong thế giới thực.

Các hệ quả kéo theo bao gồm việc tăng tốc phát triển trí tuệ thể chất: robot thích nghi nhanh hơn với các môi trường mới, mở ra con đường dẫn tới mở rộng quy mô công nghiệp. Tuy nhiên, vẫn chưa rõ các kỹ năng có thể tổng quát hóa đến đâu ngoài 200 nhiệm vụ đã được kiểm thử và cách mô hình xử lý các kịch bản tác nhân dài hạn mà không có các kiểm tra bổ sung.

Các câu hỏi mở liên quan đến việc xác minh độc lập những cải thiện được công bố và tác động đến an toàn — DeepMind đã phát hành bộ đánh giá ASIMOV-Jailbreak, trong đó Argon cho thấy 99,5 % độ bền vững, nhưng những rủi ro thực tế trong các môi trường không được kiểm soát đòi hỏi cộng đồng phải nghiên cứu thêm.

Như vậy, sự kết hợp giữa Gemini 4 và Genie 4 chuyển trọng tâm từ các mô hình riêng lẻ sang các vòng lặp mô phỏng–huấn luyện tích hợp, khiến bước tiến tiếp theo trong embodied AI trở nên khả thi hơn.

4 Lượt xem

Nguồn

  • News — Google DeepMind

  • deepmind.google

  • deepmind.google

Bình luận

Đọc thêm bài viết về chủ đề này:

Bạn có phát hiện lỗi hoặc sai sót không?Chúng tôi sẽ xem xét ý kiến của bạn càng sớm càng tốt.