GPT-6 Astra в робот разчисти непозната кухня

Изследователи от Станфорд и Caltech свързаха GPT-6 Astra директно с хуманоида Unitree G1 и му възложиха да разчисти кухня, която роботът никога не е виждал. Системата се казва HomeBody и няма обучена политика за действие между модела и тялото — Astra сама избира кое умение да извика и къде. Проектът беше представен на страницата на Stanford Movement Lab, а the-decoder описа демонстрацията на 27 септември.

Пет умения и нищо между тях

Обичайната схема при хуманоидите е тристепенна: езиков модел планира, обучена политика превежда плана в движения, ниско ниво движи ставите. Тук средният слой го няма. Astra вижда ego изгледа на робота и извиква пряко от библиотека с пет умения:

• navigate — придвижване по планиран маршрут;
• pick — захващане и вдигане на посочен предмет;
• place — оставяне на предмета в зададена 3D точка;
• open drawer — визуално подравняване, закачане на дръжката и ходене назад;
• pick from drawer — бъркане в отвореното чекмедже.

Всяко умение е отделен модул, който се изпълнява локално. Ръцете и дланите се управляват на 250 Hz, а политиката за движение се обновява на 50 Hz — на всеки пети такт. Целият локален стек върви на един лаптоп Razer Blade с RTX 4090, докато самата Astra работи отдалечено и обменя с лаптопа само заявки за умения, цели и резултати от изпълнението.

Роботът първо си прави дигитален двойник

Най-интересната част не е хващането, а паметта. Преди да започне работа, G1 обикаля помещението и събира SLAM геометрия, ego изгледи и данни за ставите си. Astra използва всичко това като Real2Sim агент и сглобява дигитален двойник на кухнята в Nvidia Isaac Sim.

Снимка: Stanford Movement Lab

Този двойник е постоянната пространствена памет на системата. Благодарение на него роботът може да разсъждава за предмети извън текущото си зрително поле и да изпълни неясно формулирана заявка от типа „донеси ми онова нещо от чекмеджето“ — защото вече е видял къде е то. Точно това е разликата спрямо демонстрациите, при които всяка сцена се обучава предварително: тук няма нито данни за конкретната среда, нито допълнително учене на политика.

Авторите са Gio Huh (Caltech, стипендиант Mark Reinecke SURF), Cayden Gu, Takara E. Truong, както и C. Karen Liu и Guy Tevet като равноправни научни ръководители. Кодът е обявен в хранилището Stanford-TML/homebody, макар че към момента там пише „coming soon“.

Къде опира до стената

Екипът е откровен за ограниченията, което е добър знак за сериозността на работата. Реконструкцията Real2Sim иска време за подготовка и пари за API заявки. Разсъжденията на Astra идват отдалечено, така че латентността се усеща при всяко решение. Продължителността на задачите е ограничена от обхвата на ръцете и от издръжливостта на хардуера — серво моторите в пръстите прегряват при по-дълга работа.

Това последното звучи познато: Tesla се бори със същия проблем при Optimus, където ръцете също се оказаха тясното място, а не мозъкът. Отделно предишни оценки на безопасността отбелязаха рискове, когато Astra управлява робот директно — модел, който греши в чат, тук греши с 35-килограмово тяло в ръцете.

Самата платформа не е екзотична. Unitree G1 е висок 1320 mm, тежи около 35 kg, има 23 степени на свобода в базовата версия и издържа около 2 часа на батерия. Цената му при европейските дистрибутори е около 23 000 евро без ДДС (официалната цена на Unitree е 13 500 щатски долара, US, без данъци и доставка) — тоест демонстрацията стъпва на техника, която всяка добре финансирана лаборатория може да си купи.

Защо е важно

HomeBody не е продукт и не означава, че домашните роботи идват догодина. Значението му е методологическо: показва, че голяма част от „интелигентността“ за домакински задачи може да дойде наготово от общ модел, стига да му дадете сносна библиотека от умения и постоянна пространствена памет. Резултатът е в същата посока като двете разбити съобщения от Enigma — общият модел върши работа, за която досега се смяташе, че иска специализирана система.

Контекстът от OpenAI пък подсказва, че основата ще се мести бързо. Борис Пауър, ръководител на приложните изследвания, заяви пред Fellows Forum, че 80 до 90% от изследванията на компанията вече са насочени към GPT-7 и следващите поколения, а не към междинните версии. По думите му GPT-4 е искал внимателно формулиране, GPT-5 — постоянна обратна връзка, а GPT-6 вече работи като способен колега, на когото просто задавате цел.

Точно това прави HomeBody: задава цел „разчисти кухнята“ и оставя модела да измисли останалото. Дали следващото поколение ще свали латентността и цената достатъчно, за да излезе това от лабораторията, ще видим — но пръстите на робота ще трябва да издържат по-дълго от разсъжденията му.