新闻The Decoder8 天前
OpenAI解散机器人团队押注通用模型,GPT-6 Astra仿真成功率达74.8%
本文由 AI 根据公开内容整理,可能有误,请以原文为准:OpenAI reassigns robotics researchers to other teams as general-purpose models might make specialized robotics AI unnecessary(The Decoder:AI News(RSS)(via AIHOT))
核心内容
OpenAI正式解散独立机器人团队,研究人员转入Mark Chen领导的主研究团队,应用与硬件组并入Greg Brockman的Applied组织。此举旨在加速通用模型对机器人的直接控制能力,而非放弃该领域。决策极为仓促,导致其在CoRL会议预订展位空置。CEO Sam Altman计划2027年进行首次公开机器人演示,长期目标为自研日常机器人,但当前面临核心AI业务竞争压力与财务挑战。
技术验证层面,Nvidia研究显示GPT-6 Astra驱动的Agent在DROID仿真任务中成功率达74.8%,远超最佳专用模型的51%。但在StationeryBench双臂YAM机械臂实物测试中,Astra在200次试验中仅完成7项任务(进度分46),而MolmoAct2完成数为0(进度分12)。康奈尔学者指出Astra在未公开的REMAP空间理解基准上接近人类水平,推测其训练包含大量Blender 3D数据,但具体机器人数据规模未披露。
关键看点
- 组织架构调整:机器人研究员并入主研究团队,应用与硬件组归入Applied组织,旨在以通用模型替代专用机器人AI研发路径
- 仿真性能突破:GPT-6 Astra在Nvidia DROID仿真测试中成功率达74.8%,较最佳专用机器人模型51%的成功率提升23.8个百分点
- 实物操作瓶颈:StationeryBench双臂测试中Astra任务完成率仅7%、进度分46,虽优于MolmoAct2但距实用化仍有显著工程差距
- 空间理解跃升:Astra在REMAP基准达到近人类精度,业界推测其受益于大规模Blender 3D场景训练,强化了具身空间表征能力
工程与产业观察
OpenAI的组织重构标志着具身智能研发范式从“专用小模型”向“通用大模型直接控制”转型。尽管GPT-6 Astra在仿真与空间理解上展现潜力,但实物操作的低完成率警示行业:通用模型在真实物理交互中的可靠性、实时性与能耗仍是落地瓶颈。专用模型在成本与确定性上的优势短期内难以被完全取代,工程侧需关注Sim-to-Real鸿沟的弥合进展。
线索来源:AIHOT
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)