MagicLab заявляет, что ее VLM-агентская структура для общего манипулирования роботами EchoPolicy-0 заняла первое место в сводном рейтинге MolmoSpaces, проводимом Алленовским институтом искусственного интеллекта (AI2), со средней частотой успеха 75,4% по всем четырем задачам манипулирования v1 при равном взвешивании.
MolmoSpaces — это бенчмарк для воплощенного искусственного интеллекта в режиме zero-shot, построенный на основе более чем 230 000 внутренних сред и примерно 130 000 объектов.
Pandaily проверил это заявление, сопоставив его с данными, которые AI2 публикует для своего рейтинга. EchoPolicy-0 указан под MagicLab, в паре с Gemini-3.8-Flash в качестве визуально-языковой модели, и оценен на роботе Franka во всех четырех задачах: Pick (взять), Pick and Place (взять и положить), Open (открыть) и Close (закрыть). Усреднение показателей успеха по четырем задачам в этих данных дает около 75,5%, что соответствует показателю компании в 75,4% после округления, и является самым высоким среди участников, охватывающих все четыре задачи.
EchoPolicy-0 объединяет визуально-языковую модель, инструменты геометрического манипулирования и общую политику действий в один замкнутый цикл наблюдения, понимания цели, выбора навыка, выполнения действия и проверки результата. Когда действие не достигает цели, структура может продолжить, повторить попытку, перепланировать или отменить ее. Ключевая идея заключается в выборе траектории, управляемой целью: модель действий предлагает несколько вариантов движений, они проецируются на изображение, и визуально-языковая модель выбирает тот, который наилучшим образом соответствует цели, прежде чем будет проверено выполнение.
MagicLab также представила MagicBrain, систему с 3,4 миллиардами параметров, разработанную собственными силами, которая, по словам компании, занимает четвертое место в сводном рейтинге. Данные AI2 показывают 94,4% успеха MagicBrain в задаче Pick. Ее подход, который MagicLab называет визуальным руководством в контексте (in-context visual guidance), позволяет VLM-агенту находить цель на изображении, в то время как модель действий фокусируется только на движении. Компания утверждает, что большинство неудач при захвате, которые они изучили, были вызваны выбором неправильного объекта, а не нестабильным движением.
Руководитель MagicLab Studio, исследовательского подразделения компании, заявил, что команда предпочитает многоуровневую архитектуру и считает следование инструкциям ключевой трудностью для современных моделей. EchoPolicy-0 решает эту проблему посредством оркестровки агентов и оценки траекторий, а MagicBrain — посредством сквозного визуального руководства.
Результаты получены в симуляционных бенчмарках. MagicLab не сообщила, когда какая-либо из этих структур будет развернута на ее коммерческих роботах.
СМ. ТАКЖЕ:Tsinghua AIR Zeva повышает эффективность воплощенного манипулирования с 26% до 73% без переобучения · MagicLab демонстрирует крупномасштабную координацию роботов в уличных представлениях
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
