Skip to content

新闻X4 天前

DeepMind发布Gemini 4 Hydrogen插件支持对话式机械臂仿真与部署 ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准:You can even test ideas before touching hardware.(X:Google DeepMind (@GoogleDeepMind)(via AIHOT))

核心内容 ​

Google DeepMind正式发布Gemini 4 Hydrogen与Google Antigravity机器人插件,旨在加速机械臂新任务教学流程。用户可通过自然语言交互连接受支持的机械臂,在MuJoCo物理引擎中进行策略训练,并将验证后的任务直接迁移至真实硬件执行。该工具已在Antigravity、Google AI Studio及Gemini API开放试用,显著降低了具身智能算法的开发与调试门槛。

Gemini Robotics模型在控制与感知维度实现突破:日常抓取放置任务成本低于Argon大模型且性能持平;3D空间判断、相机角度估计及运动规划能力超越Gemini Robotics ER 2。开发流支持上传照片或提示词自动生成MuJoCo 3D场景,经对话微调后一键部署,实测从白板草图搭建可运行传送带分拣系统仅需约1小时,大幅压缩Sim-to-Real验证周期。

关键看点 ​

  • 仿真集成:原生接入MuJoCo引擎,支持对话式调整物体位姿与动作逻辑,实现零代码场景搭建与策略迭代
  • 模型性能:抓取放置等控制任务以更低算力成本媲美Argon模型,3D空间感知与运动规划精度超越ER 2版本
  • 开发效率:支持图片/文本生成3D仿真环境,从概念草图到可部署传送带分拣装置的端到端验证耗时约1小时
  • 部署链路:打通Antigravity与Gemini API接口,支持仿真验证后的策略直接下发至兼容机械臂执行真实任务

工程与产业观察 ​

该插件将LLM语义理解与MuJoCo物理仿真深度耦合,确立了“对话即编程”的具身开发范式。其核心价值在于将Sim-to-Real验证周期压缩至小时级,解决了传统机械臂开发中场景建模与策略调试割裂的痛点。对于算法工程师而言,这标志着具身智能研发正从代码驱动转向自然语言驱动的敏捷迭代模式。

线索来源:AIHOT

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. X:Google DeepMind (@GoogleDeepMind)(via AIHOT):You can even test ideas before touching hardware. ↗访问 2026-11-18