GPT-6 Astraがロボットアームで95%成功、Claude Fable 5.1を圧倒

Astraには本当に驚かされています。1年以上先延ばしにしていたかなり複雑なゲームを作ってほしいと頼み、コンピューター使用とフルアクセスを有効にして一晩動かしたところ、翌朝には完全に機能するゲームができていました。Unity、Blender、GIMPをダウンロードし、アセットもすべて作り、ゲーム全体を私が何もせずに完成させたのです。ゲームは決して簡単なものではなく、アセットも同様です。

Astraのコンピューター使用機能をCodexと一緒に試したことがないなら、ぜひおすすめします。GPT-4とエージェント的コーディング（CC）の関係と同じように、これは最近見た中で最もエキサイティングなものです。そして、BlenderやCADの機能はおまけのようなものです。

しかも速いです。リセットも頻繁に行われます。彼らはお金を使いすぎている気もしますが、文句はありません。AIサブスクリプションで200ドルは最高だと思います。

LLMは面白い技術です。一方で、その変化の速さは否定できないほど印象的ですが、それでも私は、自分が興味を持てない分野でのブレークスルーが不足していることに失望しています。私は数学とプログラミングが好きで、LLMはそれらにかなり優れていますが、いつになったら洗濯物をたたんでくれるようになるのでしょうか？ ロボット工学の多くの研究は、この「退屈な」ブレークスルーのカテゴリーを解決することを約束していると思います。達成できると楽観視していますが、いつになるのか気になります。

ここで正直になる必要があると思います。著者は、ブロックを拾うという小さな実験に基づいており、作業全体をIKコントローラーパイプラインに依存し、完全なVLAやWAMモデルと比較していません。そして、その結果から、トークン処理量（コントローラーの処理量とは異なることに注意）を2029年までのタイムラインに外挿しています。

コードをポリシーとして使うのは、私の意見では悪いインターフェースですが、VLMによるプランニングには可能性があります。これは2022年に試みられており（https://say-can.github.io/）、最近ではhttps://lianegalanti.github.io/Pigey/ で再構成されています。

実際、最近のGemini Robotics 2でさえ、VLMプランナーとVLA/WAMコントローラー、そして接続が切れたときに備えたローカルの小さなVLAモデルを持つアーキテクチャを主張しています。そして、最近のSOTAアーキテクチャは階層的設計に依存しています。

これは賢明なアプローチだと思います。もしGPT-Xをロボット工学データで訓練してアクションを出力させたら、おめでとうございます、VLAを作ったことになります。

一つのアーキテクチャで全てを実現したいと願うのは魅力的で、それがこのような研究につながっています。モジュール性から得られるものはもっと多く、専門化を恐れるべきではないと思います。

ロボット工学のエンジニアリングについてはあまり詳しくないので、この記事を書いてくれたRobocurveチームに称賛を送りたいです。

ロボット工学の完全な初心者である私にとっても、この記事は興味深く、理解しやすかったです。さらに、要点が簡潔で、不要な冗長さもありませんでした。

全体的に読んでいて楽しかったです。Robocurve、よくやった。

LLMは、いつか自動運転車を動かすアーキテクチャになるのでしょうか？

彼らがPortalや他のビデオゲームをプレイするのを見ていると、自動運転の最後のN％を解決するのに役立つのではないかと興味が湧きます。

コストは、チップ（ただし、その場合はアップデートが少なくなる）か、他の何かによって、大幅に下げる必要があります。ブロックを片付けるのに2ドルは、非常に高価な労働力です。