GPT-6 Astra و لحظه‌ی GPT-3 رباتیک
هوش مصنوعیClaude Opus 5.5خلاصهٔ کامل‌تر
تو این پست Robonomics، نویسنده سراغ GPT-6 Astra از OpenAI رفته. سپتامبر، RoboCurve آزمایشی منتشر کرد که توش Astra دو تا بازوی رباتیک رو کنترل می‌کرد تا یه مکعب رو برداره و توی کاسه بذاره. نتیجه ۱۹ موفقیت از ۲۰ تلاش بود. یه ماه بعد، مطالعه‌ی Astranomy از NVIDIA مدل رو روی ۱۲۰ کار شبیه‌سازی‌شده تست کرد و بهترین تنظیمش به ۷۴.۸ درصد موفقیت رسید که از چند مدل تخصصی رباتیک بیشتره.
نکته‌ی جالب اینه که Astra اصلاً مدل پایه‌ی رباتیک نیست و بدون fine-tune مخصوص ربات این کارو کرده. نویسنده می‌گه رباتیک قبلاً برخلاف LLMها تقریباً هیچ scaling law (یعنی قاعده‌ای که بگه با داده و مدل بزرگ‌تر، نتیجه قابل پیش‌بینی بهتر میشه) نشون نداده بود. صنعت هم بین دو رویکرد VLA (مدل‌هایی که تصویر و زبان رو مستقیم به حرکت تبدیل می‌کنن) و WAM، و کلی روش جمع‌آوری داده سردرگم بود.
ولی Astra هنوز یه کنترل‌کننده‌ی بلادرنگ عملی نیست. تو همون مطالعه، هر اپیزود موفق تو حالت agentic حدود ۳۶.۴۰ دلار خرج داشت و هر بار تولید مستقیم حرکت به‌طور میانگین ۱۸.۵۶ ثانیه طول می‌کشید. نویسنده انتظار داره با distillation و سخت‌افزار سریع‌تر این عددها بهتر بشن و شاید یه روز یه مدل حدود ۱۰۰ میلیارد پارامتری روی خود ربات اجرا بشه. به گفته‌ش گلوگاه بعدی هم استقرار ربات تو محیط واقعی مشتریه.
فرضیه‌ی نویسنده اینه که System 2 (برنامه‌ریزی) و بخش زیادی از System 1 به مدل‌های عمومی منتقل می‌شن. ولی System 0، یعنی واکنش در حد میلی‌ثانیه مثل وقتی لیوان داره از دست ربات سر می‌خوره، همچنان یه کنترل‌کننده‌ی کوچیک و مخصوص همون بدنه می‌مونه. درباره‌ی داده هم حدس می‌زنه تا ۸۰ درصد ویدیوهای اول‌شخص فعلی برای یه مدل قوی ارزش کمی دارن. چیزی که کمه، داده‌ی کارهای ظریف مثل مونتاژ دقیق و اطلاعات لامسه و نیروئه.
برای سخت‌افزار این خبر خوبیه، چون شرکت‌ها بدون ساختن مدل پیشرو هم می‌تونن ربات باهوش بسازن. یه مدل ۱۰۰ میلیارد پارامتری حتی با کوانتیزه‌ی ۴ بیتی فقط برای وزن‌ها حدود ۵۰ گیگابایت حافظه می‌خواد، یعنی بازار بزرگی برای edge compute. نویسنده حتی احتمال می‌ده مدل‌های عمومی رانندگی خودکار رو هم متحول کنن. جمع‌بندیش اینه که به کل صنعت رباتیک خیلی خوش‌بینه، ولی به ارزش بلندمدت مدل‌های مستقل رباتیک شک داره.
نکات کلیدی:
- Astra تو آزمایش RoboCurve، ۱۹ بار از ۲۰ بار مکعب رو درست توی کاسه گذاشت.
- بهترین تنظیم Astra تو ۱۲۰ کار شبیه‌سازی NVIDIA به ۷۴.۸ درصد موفقیت رسید.
- هر اپیزود موفق حدود ۳۶.۴۰ دلار خرج داشت و هر فراخوانی تولید حرکت حدود ۱۸.۵۶ ثانیه طول کشید.
- طبق گزارش‌ها، آزمایشگاه‌های بزرگ AI هر کدوم حدود ۱ میلیارد دلار برای خرید داده‌ی رباتیک کنار گذاشتن.
- طبق قاعده‌ی FCC، محصول داخلی آمریکا تا ۲۰۲۸ باید بیشتر از ۶۵ درصد هزینه‌ی قطعاتش داخلی باشه و این عدد ۲۰۲۹ به ۷۵ درصد می‌رسه.
