Gerade als man dachte, die Grabenkämpfe um die Vorherrschaft bei den Robotik-Benchmarks würden sich allmählich beruhigen, lassen die Forscher Yu-Mool Shu und Lipxin Zheng ein Paper fallen, das die Messlatte nicht nur ein Stück höher legt – es katapultiert sie direkt in eine völlig neue Umlaufbahn. Unter dem Titel “GPT 6 Astra as an Embodied Policy” enthüllt die Studie ein Modell, das die Konkurrenz im RoboDojo-Benchmark für Manipulation regelrecht deklassiert – einer Testsuite aus Dutzenden simulierten und realen Aufgaben, die das Können von Generalist-Robotern auf die Probe stellen.
Die Ergebnisse sind, gelinde gesagt, vernichtend. Das neue System, eine Hybrid-Lösung aus einem Controller namens π₀.₅ und dem beeindruckenden GPT-6 Astra-Modell, erreichte über zehn Aufgaben hinweg einen Mittelwert von 62,6 Punkten. Der nächste Verfolger, Galaxea G0.5, hinkt mit gerade einmal 38,26 Punkten hinterher. Das ist keine inkrementelle Verbesserung mehr; das ist ein Performance-Sprung von 64 %, der etablierte Modelle von Giganten wie Xiaomi und Meituan aussehen lässt, als würden sie in Zeitlupe agieren. Die Arbeit scheint auf früheren Forschungen zum Co-Training von Vision-Language-Action-Modellen (VLA) aufzubauen, die diverse Datensätze nutzen, um eine bessere Generalisierung in der echten Welt zu erreichen.
Interessanterweise liefert das Paper auch Benchmarks für die direkte Steuerung via “GPT 6 Astra Direct”, die mit eher mäßigen 37,81 Punkten abschneidet. Dies unterstreicht die entscheidende Rolle des hybriden π₀.₅-Controllers: Er scheint die rohe Intelligenz des großen Modells in nuancierte, effektive physische Aktionen zu übersetzen. Da das Projekt als Open-Source-Vorhaben angelegt ist – ein entsprechender GitHub-Link findet sich auf der Webseite –, wird der Rest der Branche nun fieberhaft versuchen, diese neue Architektur zu replizieren und zu verstehen. Die Projektseite und die Daten finden Sie hier: GPT 6 Astra as an Embodied Policy.
Warum ist das so wichtig?
Hier geht es um weit mehr als nur um einen Highscore in einer Tabelle. Es deutet sich ein fundamentaler Strategiewechsel an: weg von monolithischen End-to-End-Systemen, hin zu weitaus raffinierteren Hybrid-Architekturen. Der massive Performance-Vorsprung legt nahe, dass die Kombination aus einem mächtigen, generalistischen „Gehirn“ wie GPT-6 Astra und einer spezialisierten, feingliedrigen Motorik-Steuerung wie π₀.₅ wesentlich effektiver ist, als das große Modell alles allein stemmen zu lassen. Für eine Branche, in der selbst Top-Modelle oft daran scheitern, zweistellige Erfolgsraten bei komplexen Alltagsaufgaben zu erzielen, könnte dies der architektonische Durchbruch sein, um Roboter endlich aus dem Labor in Umgebungen zu bringen, die nicht akribisch für sie vorbereitet wurden.