Amikor már éppen azt hittük, hogy a robotikai benchmark-háborúk frontvonalai megmerevedtek, Yu-Mool Shu és Lipxin Zheng kutatói egy olyan tanulmánnyal álltak elő, amely nem egyszerűen magasabbra tette a lécet, hanem egyenesen egy másik galaxisba lőtte azt ki. A “GPT 6 Astra as an Embodied Policy” címet viselő kutatás egy olyan új modellt mutat be, amely valósággal elsöpörte a mezőnyt a RoboDojo manipulációs méréseken – azon a szimulált és valós feladatokból álló tesztsorozaton, amelyet a generalista robotok képességeinek mérésére terveztek.
Az eredmények, finoman szólva is, aránytalanok. Az új rendszer – amely a π₀.₅ névre keresztelt vezérlőt ötvözi a félelmetes GPT-6 Astra modellel – tíz feladat átlagában 62,6 pontot ért el. A legközelebbi üldöző, a Galaxea G0.5, messze lemaradva, mindössze 38,26 pontot tudott felmutatni. Ez nem egy apró, inkrementális fejlődés; ez egy 64%-os teljesítményugrás, ami mellett a Xiaomi vagy a Meituan eddigi modelljei úgy tűnnek, mintha lassított felvételen mozognának. A munka láthatóan azokra a korábbi kutatásokra épít, amelyek a látás-nyelv-akció (VLA) modellek diverz adathalmazokon történő együttes tanítását célozták a jobb valós világbeli általánosítás érdekében.
Érdekes módon a tanulmány a “GPT 6 Astra Direct” vezérlést is mérte, amely viszont csak egy szerény 37,81-es pontszámot hozott. Ez rávilágít a π₀.₅ hibrid kontroller kritikus szerepére: úgy tűnik, ez az egység képes a nagy modell nyers intelligenciáját árnyalt és hatékony fizikai mozdulatokká lefordítani. A projekt nyílt forráskódú jellege – amire a weboldalukon található GitHub-link utal – azt jelenti, hogy az iparág többi szereplője mostantól gőzerővel próbálja majd lemásolni és megérteni ezt az új architektúrát. A projektoldal és az adatok itt érhetőek el: GPT 6 Astra as an Embodied Policy.
Miért sorsfordító ez?
Itt nem csupán egy grafikonon elért magasabb pontszámról van szó. Ez a siker egy potenciális paradigmaváltást jelez: távolodunk a monolitikus, “end-to-end” rendszerektől a kifinomultabb hibrid megoldások felé. A hatalmas teljesítménykülönbség azt sugallja, hogy egy olyan brutális általános “agy”, mint a GPT-6 Astra, és egy specializált, finommotoros vezérlésre optimalizált π₀.₅ kombinációja nagyságrendekkel hatékonyabb, mintha mindent a nagy modellre bíznánk. Egy olyan iparágban, ahol még a legjobb modellek is gyakran elvéreznek az összetettebb, valós világbeli feladatok során, ez lehet az az építészeti áttörés, amely végre kiemeli a robotokat a steril laboratóriumokból, és képessé teszi őket a kaotikus, hétköznapi környezetben való boldogulásra.