Dengan memadukan penalaran visual-semantik tingkat lanjut, pemahaman mendalam tentang dunia fisik, dan pembuatan kode secara mandiri, Argon membuka alur kerja baru di seluruh rangkaian pengembangan robotika sekaligus mempercepat kemajuan menuju AGI fisik. Peningkatan kemampuan ini tercermin dalam performa Argon pada tolak ukur Embodied Reasoning (ERQA), yang menguji kemampuan model dalam memahami dan menyelesaikan persoalan fisik serta spasial di lingkungan 3D. Dengan mengandalkan kemampuan penalaran murni, Argon mengungguli seluruh model terdepan lainnya dengan skor 87%.
Untuk menunjukkan kemampuan tersebut secara langsung, kami menguji kemampuan Argon dalam mempelajari keterampilan fisik di luar data pelatihannya hanya dengan mengamati. Dalam pengujian internal, Argon menyaksikan rekaman mentah seseorang bermain cornhole, memetakan koordinat spasial lingkungan, dan menghitung gerakan sendi seluruh tubuh yang diperlukan. Argon kemudian secara mandiri membuat kode simulasinya. Ketika diterapkan pada robot humanoid Apollo dari Apptronik, robot tersebut berhasil memasukkan tujuh lemparan berturut-turut dalam uji coba di dunia nyata.
Alur kerja “Video-to-Sim-to-Real” ini memangkas proses pemodelan simulasi manual yang biasanya memerlukan waktu berminggu-minggu menjadi hanya beberapa jam, sekaligus mengubah video biasa menjadi lingkungan pelatihan berskala luas dan tanpa batas bagi AI fisik. Pelajari lebih lanjut bagaimana teknologi ini mempercepat pengembangan robotika melalui blog developer kami.
