Суть прорыва: от симуляции к железу
Ключевое открытие заключается в том, что современные «фронтьерные» модели (frontier models) больше не просто анализируют видео с камер — они способны в реальном времени управлять физическими манипуляторами. В отличие от предыдущих исследований, сосредоточенных на симуляциях или локомоции (ходьбе), этот тест подтвердил, что модели могут точно контролировать захват, положение в пространстве и ориентацию инструментов в реальном мире.
Исследование проводилось на реальной биманулярной системе I2RT YAM с тремя камерами (две на запястьях, одна сверху). Модели получали визуальные данные и проприоцептивную обратную связь, отправляя команды в виде координат (x, y, z, yaw, pitch, roll) и угла раскрытия захвата.
Метрики роста: 53.9 дней на удвоение
Анализ данных за период с июля по октябрь 2026 года выявил экспоненциальный рост эффективности. Главные метрики впечатляют:
- Время удвоения производительности: 53.9 дней.
- Рост успешности выполнения: Лучший результат улучшился в 4.4 раза.
- Снижение стоимости: Цена выполнения одной задачи упала в 6.2 раза.
Важно отметить, что текущие ограничения связаны не с логикой или пониманием физики, а с вычислительной эффективностью. Модели редко «застревают» в бесконечных циклах; они могут промахнуться или неправильно оценить дистанцию, но обычно делают стабильный прогресс к цели.
Участники теста и результаты
В исследовании оценивались 9 моделей от OpenAI, Anthropic и Google DeepMind на 6 задачах из бенчмарка RoboDojo (сортировка, сборка, перенос объектов). Ниже приведена сводка по ключевым игрокам:
| Компания | Модель | Конфигурация | Ключевая особенность/Результат |
|---|---|---|---|
| OpenAI | GPT-6 Astra | M, H, XH, H+UF | Показала лучшие результаты по времени завершения задач. Ранее в других тестах вызывала опасные действия, но здесь стабилизировалась. |
| OpenAI | GPT-6.1 Sol | H, H+UF | Новая версия, демонстрирующая высокую надежность в конфигурации с приоритетным сервисом. |
| Anthropic | Opus 5.5 | M, H, XH | Значительный скачок по сравнению с Opus 5. Версия XH показывает высокую точность в сложных манипуляциях. |
| Gemini 4 Argon | H+PR | Использует приоритетный сервис (PR), демонстрируя стабильность в задачах на сортировку и упаковку. |
Почему это важно для науки и безопасности
Для биологических и химических лабораторий способность моделей управлять манипуляторами критичнее, чем способность ходить. Стандартная «роботизированная ячейка» (две руки + камеры) уже достаточна для автоматизации базовых химических процессов. Это открывает путь к полностью автономным лабораториям.
Однако это же создает серьезные риски безопасности. Если VLM (Vision-Language Models) смогут безопасно управлять роботами, то теоретически любой злоумышленник сможет синтезировать опасные вещества, используя коммерческие манипуляторы и реагенты, просто отдавая голосовые команды модели. Исследование подчеркивает необходимость разработки систем физической безопасности AI (Physical AI Safety) на этапе, когда модели еще не достигли идеальной надежности.
Источник: LessWrong ↗