{"id":3296,"date":"2026-10-13T19:30:26","date_gmt":"2026-10-13T19:30:26","guid":{"rendered":"https:\/\/11000.dev\/index.php\/2026\/10\/13\/googleov-gemini-4-argon-uci-humanoidnog-robota-da-igra-kornhol-i-to-prilicno-dobro\/"},"modified":"2026-10-13T19:30:26","modified_gmt":"2026-10-13T19:30:26","slug":"googleov-gemini-4-argon-uci-humanoidnog-robota-da-igra-kornhol-i-to-prilicno-dobro","status":"publish","type":"post","link":"https:\/\/11000.dev\/index.php\/2026\/10\/13\/googleov-gemini-4-argon-uci-humanoidnog-robota-da-igra-kornhol-i-to-prilicno-dobro\/","title":{"rendered":"Googleov Gemini 4 Argon u\u010di humanoidnog robota da igra kornhol &#8211; i to prili\u010dno dobro"},"content":{"rendered":"<p>Google je ponovo pomerio granice onoga \u0161to ve\u0161ta\u010dka inteligencija mo\u017ee da postigne u fizi\u010dkom svetu. U najnovijem demonstracionom videu, tim istra\u017eiva\u010da pokazao je kako <strong>humanoidni robot<\/strong> uz pomo\u0107 modela <strong>Gemini 4 Argon<\/strong> u\u010di da igra kornhol &#8211; popularnu ameri\u010dku igru bacanja vre\u0107ica u rupu.<\/p>\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/11000.dev\/wp-content\/uploads\/2026\/10\/hqdefault-43.jpg\" alt=\"Googleov Gemini 4 Argon u\u010di humanoidnog robota da igra kornhol - i to prili\u010dno dobro\" \/><\/figure>\n<p>Iako na prvi pogled deluje kao zabavna demonstracija, u pitanju je ozbiljan tehnolo\u0161ki podvig. Naime, kornhol zahteva preciznu motoriku, procenu rastojanja, prilago\u0111avanje sile bacanja i trenutno dono\u0161enje odluka &#8211; sve ono \u0161to je do sada predstavljalo no\u0107nu moru za robotske sisteme.<\/p>\n<h2>\u0160ta zapravo vidimo u videu?<\/h2>\n<p>Robot humanoidnog oblika samostalno podi\u017ee vre\u0107icu, procenjuje udaljenost od table i izvodi bacanje. Ono \u0161to je klju\u010dno &#8211; <strong>Gemini 4 Argon<\/strong> ne koristi unapred programirane pokrete, ve\u0107 u\u010di kroz kombinaciju vizuelnog prepoznavanja i takozvanog <strong>reinforcement learning-a<\/strong> (u\u010denja putem poku\u0161aja i gre\u0161aka).<\/p>\n<p>Svaki proma\u0161aj robot koristi kao podatak. Svaki pogodak dodatno kalibri\u0161e njegov model. Ovo je su\u0161tina onoga \u0161to Google naziva &#8220;embodied AI&#8221; &#8211; ve\u0161ta\u010dka inteligencija koja ne postoji samo u oblaku, ve\u0107 deluje u realnom, fizi\u010dkom prostoru.<\/p>\n<h2>Za\u0161to je ovo va\u017enije nego \u0161to izgleda<\/h2>\n<p>Ako robot mo\u017ee da nau\u010di da baca vre\u0107icu u rupu sa distance, isti princip se mo\u017ee primeniti na:<\/p>\n<p><strong>1. Industrijsku automatizaciju<\/strong> &#8211; roboti koji se sami prilago\u0111avaju novim zadacima na traci, bez potrebe za ponovnim programiranjem.<\/p>\n<p><strong>2. Logistiku i skladi\u0161ta<\/strong> &#8211; precizno hvatanje i slaganje predmeta razli\u010ditih oblika i te\u017eina.<\/p>\n<p><strong>3. Ku\u0107ne robote<\/strong> &#8211; pomo\u0107nike koji mogu da obavljaju nestandardizovane zadatke poput pospremanja stola ili usluga u doma\u0107instvu.<\/p>\n<p>Ono \u0161to Gemini 4 Argon donosi u odnosu na prethodne modele jeste <strong>multimodalno razumevanje<\/strong> &#8211; istovremena obrada vizuelnih, prostornih i jezi\u010dkih informacija. Robot ne samo da &#8220;vidi&#8221; rupu, ve\u0107 razume kontekst igre, pravila i cilj.<\/p>\n<h2>\u0160ta stoji iza imena &#8220;Argon&#8221;<\/h2>\n<p>Google o\u010digledno nastavlja praksu davanja kodnih imena po elementima iz periodnog sistema. Argon je plemeniti gas &#8211; stabilan, inertan, ali klju\u010dan u mnogim tehnolo\u0161kim procesima. Simboli\u010dno, model nosi sli\u010dnu ulogu: stabilna osnova na koju se nadogra\u0111uju slo\u017eene robotske operacije.<\/p>\n<p>Detalji o arhitekturi modela jo\u0161 nisu javno dostupni, ali iz dostupnih snimaka jasno je da je u pitanju zna\u010dajan iskorak u odnosu na Gemini 3 i prethodne iteracije. Brzina reakcije, glatko\u0107a pokreta i sposobnost prilago\u0111avanja ukazuju na ozbiljna pobolj\u0161anja u <strong>real-time inference-u<\/strong> &#8211; sposobnosti modela da donosi odluke u deli\u0107u sekunde.<\/p>\n<h2>Trka humanoida se zahuktava<\/h2>\n<p>Google nije jedini u ovoj igri. Tesla optimizuje svog Optimusa, Figure AI privla\u010di milijarde u investicijama, a kineski proizvo\u0111a\u010di poput Unitree-a i UBTech-a izbacuju sve jeftinije humanoidne platforme. Ono \u0161to Google za sada dr\u017ei u prednosti jeste upravo softverski sloj &#8211; <strong>Gemini ekosistem<\/strong> koji se prote\u017ee od tekstualnih asistenata do robotskih sistema.<\/p>\n<p>Demonstracija kornhola mo\u017eda izgleda trivijalno, ali ona \u0161alje jasnu poruku: era robota koji u\u010de kao ljudi &#8211; kroz iskustvo, gre\u0161ke i ponavljanje &#8211; vi\u0161e nije nau\u010dna fantastika. To se de\u0161ava sada, i to u Googleovim laboratorijama.<\/p>\n<p>Izvor: <a href=\"https:\/\/www.youtube.com\/watch?v=9PICEmtfpWU\" target=\"_blank\" rel=\"noopener\">YouTube &#8211; Teaching a humanoid robot to play cornhole with Gemini 4 Argon<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Google je ponovo pomerio granice onoga \u0161to ve\u0161ta\u010dka inteligencija mo\u017ee da postigne u fizi\u010dkom svetu. U najnovijem demonstracionom videu, tim istra\u017eiva\u010da pokazao je kako humanoidni robot uz pomo\u0107 modela Gemini 4 Argon u\u010di da igra kornhol &#8211; popularnu ameri\u010dku igru bacanja vre\u0107ica u rupu. Iako na prvi pogled deluje kao zabavna demonstracija, u pitanju je [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":3295,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[103,104],"tags":[],"class_list":["post-3296","post","type-post","status-publish","format-standard","has-post-thumbnail","category-ai","category-tehnologija"],"_links":{"self":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts\/3296","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/comments?post=3296"}],"version-history":[{"count":0,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts\/3296\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/media\/3295"}],"wp:attachment":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/media?parent=3296"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/categories?post=3296"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/tags?post=3296"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}