{"id":3330,"date":"2026-10-13T21:03:04","date_gmt":"2026-10-13T21:03:04","guid":{"rendered":"https:\/\/11000.dev\/index.php\/2026\/10\/13\/google-predstavio-gemini-4-argon-fizicko-razumevanje-i-korak-blize-robotskoj-opstoj-inteligenciji\/"},"modified":"2026-10-13T21:03:04","modified_gmt":"2026-10-13T21:03:04","slug":"google-predstavio-gemini-4-argon-fizicko-razumevanje-i-korak-blize-robotskoj-opstoj-inteligenciji","status":"publish","type":"post","link":"https:\/\/11000.dev\/index.php\/2026\/10\/13\/google-predstavio-gemini-4-argon-fizicko-razumevanje-i-korak-blize-robotskoj-opstoj-inteligenciji\/","title":{"rendered":"Google predstavio Gemini 4 Argon: Fizi\u010dko razumevanje i korak bli\u017ee robotskoj op\u0161toj inteligenciji"},"content":{"rendered":"<p><strong>Google DeepMind<\/strong> je predstavio <strong>Gemini 4 Argon<\/strong>, model koji ozna\u010dava zna\u010dajan napredak u fizi\u010dkom razumevanju, generisanju koda i vizuelno-semanti\u010dkom rezonovanju. Ovaj model otvara potpuno nove radne tokove u robotici i ubrzava put ka fizi\u010dkoj op\u0161toj inteligenciji (Physical AGI).<\/p>\n<p><figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/11000.dev\/wp-content\/uploads\/2026\/10\/argon__robotics__hero.2e16d0ba.fill-1200x600-1.png\" alt=\"Google predstavio Gemini 4 Argon: Fizi\u010dko razumevanje i korak bli\u017ee robotskoj op\u0161toj inteligenciji\" \/><\/figure>\n<\/p>\n<p>Prema zvani\u010dnom <a href=\"https:\/\/deepmind.google\/blog\/gemini-4-argon-for-robotics\/\">Google Developers Blogu<\/a>, klju\u010dni skok u sposobnostima vidi se na <strong>Embodied Reasoning (ERQA)<\/strong> benchmarku, koji testira sposobnost modela da razume i re\u0161ava fizi\u010dke, prostorne probleme u 3D okru\u017eenjima. Koriste\u0107i isklju\u010divo rezonovanje, Argon posti\u017ee impresivnih <strong>87%<\/strong>, nadma\u0161uju\u0107i sve druge frontier modele.<\/p>\n<h2>Primena kroz ceo \u017eivotni ciklus robotike<\/h2>\n<p>Kao general-purpose model za fizi\u010dko rezonovanje, Argon se mo\u017ee primeniti u svim fazama razvoja i upotrebe robota. Google je podelio primere upotrebe kroz \u010detiri klju\u010dne oblasti: upravljanje robotima, Real2Sim (pretvaranje stvarnog sveta u simulaciju), fizi\u010dko razumevanje i istra\u017eivanje sa samousavr\u0161avanjem.<\/p>\n<p><figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/11000.dev\/wp-content\/uploads\/2026\/10\/argon__robotics__hero.original.png\" alt=\"Google predstavio Gemini 4 Argon: Fizi\u010dko razumevanje i korak bli\u017ee robotskoj op\u0161toj inteligenciji\" \/><\/figure>\n<\/p>\n<h2>Spot robot u\u010di da baci sme\u0107e uz MuJoCo trening<\/h2>\n<p>Jedan od najzanimljivijih primera je upravljanje <strong>Boston Dynamics Spot<\/strong> robotom (12-DoF noge plus 6-DoF ruka) koji u\u010di novu ve\u0161tinu: da nogom pritisne pedalu kante za sme\u0107e i ubaci limenke sode. Argon stvara artikulisani MuJoCo digitalni blizanac kante sa pedalom kako bi ve\u017ebao pokrete pre nego \u0161to to uradi u stvarnom svetu.<\/p>\n<p>U opisu zadatka navodi se da robot mora da prona\u0111e dve limenke, podigne ih i baci u crnu kantu sa pedalom. Pre nego \u0161to stane na pedalu, mora da proveri kamerama da li je njegovo prednje-desno stopalo centrirano na pedali, a zatim koristi verifikacioni roj od dva agenta (foot-verifier i hand-verifier) da potvrdi i korak na pedalu i poravnanje ruke sa otvorom kante pre pu\u0161tanja limenke.<\/p>\n<h2>Zero-shot upravljanje i snala\u017eenje u prostoru<\/h2>\n<p>Argon tako\u0111e mo\u017ee da upravlja jednostavnom robotskom rukom u <strong>zero-shot<\/strong> re\u017eimu \u2014 bez prethodnog treniranja na tom zadatku. U jednom primeru, model je morao da uspravi prevrnutu \u0161olju i stavi zgu\u017evanu salvetu unutar nje. Argon rezonuje koriste\u0107i vizuelni koordinatni sistem i akcione primitive, izvr\u0161avaju\u0107i zadatak kroz vi\u0161e turnusa.<\/p>\n<p>Na snimku se vidi pogled iz tre\u0107eg lica na stvarni robot, dok je na desnoj strani kalibrisana kamera na ruci sa projektovanim koordinatama od 2 cm u stvarnom svetu i ni\u0161anom za zatvaranje hvataljke.<\/p>\n<h2>\u0160ta ovo zna\u010di za budu\u0107nost robotike?<\/h2>\n<p>Gemini 4 Argon nije samo jo\u0161 jedan jezi\u010dki model \u2014 on predstavlja pomak ka modelima koji razumeju fizi\u010dki svet na na\u010din koji je do sada bio rezervisan za ljude. Kombinacija rezonovanja, generisanja koda i vizuelno-semanti\u010dkog razumevanja omogu\u0107ava robotima da se prilago\u0111avaju novim situacijama, u\u010de iz simulacija i samostalno unapre\u0111uju svoje akcije.<\/p>\n<p>Google isti\u010de da se Argon mo\u017ee koristiti i za rekonstrukciju fizi\u010dki kalibrisanih simulacionih blizanaca iz robotskih kamera, egocentri\u010dnih ljudskih snimaka, pa \u010dak i iz rukom crtanih skica. Ovo otvara vrata br\u017eem razvoju robota koji mogu da obavljaju slo\u017eene zadatke u nestrukturiranim okru\u017eenjima \u2014 od ku\u0107nih poslova do industrijske automatizacije.<\/p>\n<p><figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/11000.dev\/wp-content\/uploads\/2026\/10\/gemini-4-argon__benchmark__robotics.original-scaled.jpg\" alt=\"Google predstavio Gemini 4 Argon: Fizi\u010dko razumevanje i korak bli\u017ee robotskoj op\u0161toj inteligenciji\" \/><\/figure>\n<\/p>\n<p>Sa ocenom od 87% na ERQA benchmarku i mogu\u0107no\u0161\u0107u primene kroz ceo robotski stek, Gemini 4 Argon postavlja novi standard za modele koji spajaju jezik, vid i akciju. Ostaje da vidimo kako \u0107e se ova tehnologija razvijati u narednim mesecima i da li \u0107e zaista ubrzati put ka fizi\u010dkoj op\u0161toj inteligenciji.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Google DeepMind je predstavio Gemini 4 Argon, model koji ozna\u010dava zna\u010dajan napredak u fizi\u010dkom razumevanju, generisanju koda i vizuelno-semanti\u010dkom rezonovanju. Ovaj model otvara potpuno nove radne tokove u robotici i ubrzava put ka fizi\u010dkoj op\u0161toj inteligenciji (Physical AGI). Prema zvani\u010dnom Google Developers Blogu, klju\u010dni skok u sposobnostima vidi se na Embodied Reasoning (ERQA) benchmarku, koji [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":3325,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[103,107],"tags":[],"class_list":["post-3330","post","type-post","status-publish","format-standard","has-post-thumbnail","category-ai","category-nauka"],"_links":{"self":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts\/3330","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=3330"}],"version-history":[{"count":0,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts\/3330\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/media\/3325"}],"wp:attachment":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/media?parent=3330"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/categories?post=3330"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/tags?post=3330"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}