- Google meluncurkan model AI Gemini 4 Argon pada 13 Oktober 2026 untuk membantu robot mempelajari keterampilan fisik.
- Model ini menguji kemampuan robot Apollo buatan Apptronik hingga berhasil melakukan tujuh lemparan bola berturut-turut di dunia nyata.
- Gemini 4 Argon kini sudah tersedia secara global melalui API di Google AI Studio dan platform Gemini bagi pengembang.
Suara.com - Google membawa kemampuan AI ke level yang lebih nyata lewat Gemini 4 Argon. Model AI terbaru ini diklaim mampu membantu robot humanoid mempelajari keterampilan fisik hanya dengan mengamati video.
Dalam pengujian bersama Apptronik, robot Apollo bahkan berhasil memasukkan tujuh lemparan bola berturut-turut.
Eksperimen ini memperlihatkan bagaimana AI tak hanya digunakan untuk mengolah teks, menulis kode, atau menjawab pertanyaan.
Google mengembangkan kemampuan Gemini 4 Argon agar bisa memahami lingkungan fisik, menghitung gerakan yang diperlukan, hingga menerjemahkan hasil pengamatannya menjadi instruksi yang dapat dijalankan robot.
Dalam pengujian internal Google, Argon diperlihatkan rekaman seseorang bermain cornhole, permainan melempar kantong kecil ke papan berlubang.
Dari video tersebut, model memetakan koordinat spasial lingkungan, menghitung gerakan sendi tubuh yang dibutuhkan, lalu menyusun kode untuk membuat simulasi gerakannya.
Hasilnya kemudian diterapkan pada Apollo, robot humanoid buatan Apptronik. Google menyebut robot itu berhasil melakukan tujuh lemparan berturut-turut dalam pengujian di dunia nyata.
Menariknya, proses ini tidak berhenti pada meniru gerakan yang terlihat di video. Argon menghubungkan pengamatan visual dengan perhitungan spasial dan pembuatan kode untuk memindahkan keterampilan dari simulasi ke robot fisik.
Dari Video ke Gerakan Robot dalam Hitungan Jam
Google menyebut pendekatan tersebut sebagai Video-to-Sim-to-Real. Sesuai namanya, prosesnya dimulai dari video, dilanjutkan dengan pembuatan simulasi, lalu diterapkan pada perangkat fisik.
Pendekatan ini berpotensi memangkas salah satu pekerjaan yang menyita waktu dalam pengembangan robot, yakni membangun model simulasi secara manual.
Google mengklaim proses yang biasanya membutuhkan waktu berminggu-minggu dapat dipersingkat menjadi hanya beberapa jam.
Jika pendekatan ini dapat diterapkan secara konsisten pada tugas yang lebih beragam, pengembang robot berpeluang menguji keterampilan baru dengan lebih cepat sebelum menerapkannya di dunia nyata.
Meski begitu, keberhasilan dalam satu eksperimen melempar bola belum otomatis membuktikan bahwa robot bisa mempelajari berbagai pekerjaan fisik dengan tingkat keberhasilan yang sama.
Pengujian lebih luas tetap diperlukan untuk mengetahui seberapa andal metode tersebut di lingkungan dan kondisi yang berbeda.