GPT-6 Astra meistert Roboteraufgabe in 19 von 20 Versuchen – und halbiert die Kosten
GPT-6 Astra on robot arms
In einem Follow-up zum Vergleich von Claude Fable 5 und 5.1 hat OpenAI GPT-6 Astra an denselben YAM-Roboterarmen getestet. Bei der Aufgabe, einen roten Block in eine Schüssel zu legen, erreichte Astra in 19 von 20 Versuchen das Ziel – Fable 5.1 schaffte nur 8 von 20. Dabei benötigte Astra nur 2,5 Minuten pro Versuch (Fable 5.1: 6,8) und kostete etwa 0,94 $ pro Lauf (Fable 5.1: 2,12 $). Bei einer komplexeren Puzzle-Aufgabe stagnierte Astra jedoch ebenso wie Fable: Beide schafften nur 2 von 20 Versuchen. Die Ergebnisse basieren auf menschlicher Bewertung der erreichten Stufe.
Astra erreicht die Nut und bleibt beim gleichen letzten Schritt wie Fable hängen – bei 1,36 $ pro Lauf gegenüber 2,18 $.
- baron816
Jeder, der das liest und ein Robotik-Unternehmen leitet oder dort arbeitet, ich möchte euch wirklich ermutigen, als erstes Produkt einen Roboter zu bauen, der Müll auf städtischen Gehwegen aufsammelt.
Müll aufsammeln erfordert viel Geschicklichkeit und bringt viele Herausforderungen mit sich, aber ich denke, es ist ein einfacheres Problem als viele Haushaltsaufgaben und es ist wahrscheinlich vergleichbar mit dem, was diese Tests als machbar zeigen.
Ich denke, ihr werdet bei der Öffentlichkeitsarbeit vor Herausforderungen stehen, um die Leute dazu zu bringen, Roboter in ihren Häusern willkommen zu heißen. Wenn ihr Roboter in Städten habt, die ein öffentliches Gut bereitstellen, dienen sie nicht nur als wandelnde Werbung für euer Unternehmen, sondern ihr gewinnt auch Vertrauen, bevor ihr sie in privaten Räumen einsetzt.
Außerdem können Regierungen (oder vielleicht auch HOA-Gemeinschaften für wohlhabende Viertel) gute frühe Kunden sein, da man eine fokussierte Vertriebsstrategie haben kann. Politiker lieben diese sichtbaren Projekte zur Verbesserung der Lebensqualität. Wenn ihr zeigen könnt, dass eure Roboter rund um die Uhr arbeiten und den Müll zu geringen Kosten reduzieren können, werden viele Städte sie kaufen wollen.
- gizmodo59
Wenn ihr Computer Use mit Astra mit Codex noch nicht ausprobiert habt, kann ich es wirklich wärmstens empfehlen. Genau wie GPT-4 und agentisches Programmieren mit Codex. Das ist das Aufregendste, was ich seit langem gesehen habe. Und all das Blender- und CAD-Zeug ist das i-Tüpfelchen.
Und es ist schnell, sie machen viele Resets. Ich habe das Gefühl, dass sie zu viel Geld ausgeben, aber ich beschwere mich nicht. Beste 200 $ für ein KI-Abo meiner bescheidenen Meinung nach.
- rmonvfer
Ich bin ehrlich gesagt völlig überwältigt von Astra. Ich habe ihm gesagt, es solle mir ein ziemlich komplexes Spiel bauen, das ich seit über einem Jahr aufschiebe, und habe es über Nacht mit Computer Use und vollem Zugriff laufen lassen. Am nächsten Morgen hatte ich ein voll funktionsfähiges Spiel. Es hat Unity, Blender und GIMP heruntergeladen und alle Assets sowie das komplette Spiel gebaut, ohne dass ich etwas tun musste. Das Spiel ist überhaupt nicht trivial und die Assets auch nicht.
- scronkfinkle
LLMs sind eine lustige Technologie, denn einerseits ist das alles angesichts des Tempos, mit dem sie sich verändern, unbestreitbar beeindruckend, und doch bin ich trotzdem enttäuscht über das Fehlen von Durchbrüchen bei Dingen, die ich nicht interessant finde. Ich mag Mathematik und Programmierung, und LLMs sind darin ziemlich gut – wann werden sie gut darin, für mich Wäsche zu falten? Ich denke, ein Großteil der Robotik-Forschung verspricht, diese Kategorie von "langweiligen" Durchbrüchen zu lösen, und ich bin optimistisch, dass wir das erreichen können. Ich frage mich nur, wann.
- yurimo
Ich denke, wir müssen hier ehrlich sein. Der Autor stützt sich auf ein kleines Experiment zum Aufheben eines Blocks, verlässt sich auf eine ganze IK-Controller-Pipeline, um die Aufgabe zu erfüllen, und vergleicht es nicht mit vollständigen VLA- oder WAM-Modellen. Anschließend extrapolieren sie den Token-Durchsatz (wohlgemerkt nicht dasselbe wie Controller-Durchsatz) in eine angebliche 2029-Zeitlinie, basierend auf einem einzigen Beispiel.
Code als Policy ist meiner Meinung nach eine schlechte Schnittstelle, aber VLM-Planung hat Potenzial. Das wurde bereits 2022 versucht: https://say-can.github.io/, und kürzlich neu formuliert in https://lianegalanti.github.io/Pigey/
Die Sache ist, selbst das aktuelle Gemini Robotics 2 argumentiert für eine Architektur, die einen VLM-Planer und dann einen VLA/WAM-Controller sowie ein lokales kleines VLA-Modell hat, wenn die Verbindung verschwindet. Und die aktuellen SOTA-Architekturen setzen auf hierarchisches Design.
Ich denke, das könnte ein sinnvoller Weg sein. Wenn man GPT-X auf Robotikdaten trainieren würde, um Aktionen auszugeben – herzlichen Glückwunsch, man hat gerade ein VLA gemacht.
Es ist verlockend für die Leute, sich zu wünschen, dass eine einzige Architektur alles kann, weshalb wir solche Dinge bekommen. Ich denke, wir können viel mehr aus Modularität gewinnen, und wir sollten keine Angst vor Spezialisierung haben.
- herodoturtle
Ich weiß nicht viel über Robotik-Technik, daher möchte ich dem Robocurve-Team einfach ein Lob für diesen Beitrag aussprechen.
Selbst für einen absoluten Robotik-Neuling wie mich war der Artikel interessant zu lesen und leicht zu verstehen. Außerdem kam er direkt auf den Punkt, ohne unnötiges Geschwafel.
Einfach rundum ein Genuss. Gut gemacht, Robocurve.
- drakenot
Werden LLMs irgendwann die Architektur werden, die selbstfahrende Autos antreibt?
Da ich sie Portal und andere Videospiele spielen sehe, bin ich neugierig, ob sie irgendwann helfen werden, die letzten N% des autonomen Fahrens zu lösen.
- gamerDude
Die Kosten müssen noch deutlich sinken – entweder durch Chips (aber dann gibt es weniger Updates) oder durch etwas anderes. 2 $, um einen Block wegzuräumen, ist sehr teure Arbeit.