GPT-6 Astra โชว์ศักยภาพระดับก้าวกระโดดในการให้เหตุผลเชิงพื้นที่จากการทดสอบล่าสุด

GPT-6 Astra กับก้าวกระโดดครั้งสำคัญในการให้เหตุผลเชิงพื้นที่

StationeryBench ซึ่งเป็นเกณฑ์มาตรฐานด้านหุ่นยนต์ใหม่ ได้นำ GPT-6 Astra ของ OpenAI มาประชันกับ MolmoAct2 ของ Ai2 ในภารกิจบนโต๊ะ 5 รูปแบบ เช่น การเปิดฝาปากกาไฮไลท์ การเทคลิปหนีบกระดาษออกจากกล่อง หรือการส่งไม้บรรทัดระหว่างแขนหุ่นยนต์สองข้าง

ในการทดสอบนี้ ทั้งสองโมเดลทำหน้าที่ควบคุมหุ่นยนต์แขนคู่รุ่น YAM ผ่านการทดสอบรวม 200 ครั้ง ผลปรากฏว่า Astra สามารถทำภารกิจสำเร็จลุล่วง 7 จาก 100 งาน ในขณะที่ MolmoAct2 ไม่สามารถทำสำเร็จได้เลยแม้แต่งานเดียว นอกจากนี้ Astra ยังทำคะแนนความคืบหน้ามัธยฐานได้ถึง 46 จาก 100 ส่วน MolmoAct2 ทำได้เพียง 12 คะแนนเท่านั้น โดยผู้ที่สนใจสามารถดูผลลัพธ์ วิดีโอ และโค้ดทั้งหมดได้ที่ GitHub ซึ่งความสำเร็จนี้ตอกย้ำแผนระยะยาวของ OpenAI ที่ต้องการ สร้างหุ่นยนต์สำหรับผู้บริโภคของตนเอง

Yoav Artzi นักวิจัยด้าน AI จาก Cornell และ Google DeepMind เรียก Astra ว่าเป็น "การเปลี่ยนแปลงแบบก้าวกระโดดในการให้เหตุผลเชิงพื้นที่" โดยในเกณฑ์มาตรฐาน REMAP ที่ยังไม่ได้รับการตีพิมพ์เป็นทางการ GPT-Astra สามารถทำความแม่นยำได้ใกล้เคียงกับระดับมนุษย์

อย่างไรก็ตาม Artzi ได้ตั้งข้อสังเกตว่าแม้แต่ ASTRA เองก็ยังไม่สามารถทำงานได้เทียบเท่ากับมนุษย์ในสถานการณ์อื่นๆ ได้ทั้งหมด พร้อมทั้ง สงสัย ว่า OpenAI อาจใช้วิธีฝึกฝนโมเดลด้วยข้อมูล 3D จำนวนมหาศาล เช่น ฉากจำลองจากโปรแกรม Blender ซึ่งสอดคล้องกับความก้าวหน้าเฉพาะทางของ Astra ในงานที่ต้องใช้ความเข้าใจเชิงมิติ 3D อย่างชัดเจน