GPT-6 Astra zeigt auch beim räumlichen Verständnis große Fortschritte

GPT-6-Astra ist wohl auch ein großer Sprung beim räumlichen Verständnis. Ein neuer Robotik-Benchmark namens StationeryBench vergleicht OpenAIs GPT-6 Astra mit Ai2s MolmoAct2 bei fünf Aufgaben mit Schreibtischgegenständen, etwa einen Marker öffnen, Büroklammern umschütten oder ein Lineal zwischen zwei Roboterarmen übergeben. Beide Modelle steuerten dieselben zweiarmigen YAM-Roboterarme in insgesamt 200 Versuchen. GPT-6 Astra erledigte 7 von 100 Aufgaben vollständig, MolmoAct2 keine einzige. Der mittlere Fortschrittswert lag bei Astra bei 46 von 100, bei MolmoAct2 bei 12. Alle Ergebnisse, Videos und der Code sind auf GitHub verfügbar. OpenAI plant langfristig, eigene Alltagsroboter zu bauen.

Auch Yoav Artzi, KI-Forscher an der Cornell University und bei Google Deepmind, sieht in Astra einen klaren Sprung beim räumlichen Verständnis. Im noch unveröffentlichten Benchmark REMAP erreicht GPT-Astra eine Genauigkeit nahe dem menschlichen Niveau. Artzi vermutet, dass OpenAI das Modell mit großen Mengen an 3D-Trainingsdaten wie Blender-Szenen trainiert haben könnte. Zu dieser These passt, dass Astra insbesondere bei der 3D-Entwicklung Fortschritte erzielte.