مرحباً بكم في عصر الذكاء الاصطناعي المُجسَّد.
نطلق AA-Robotics v0.1، وهي معاينة بحثية تقيس أداء نماذج اللغة المتطورة في الفهم والتخطيط والعمل في العالم المادي. في الإصدار v0.1، يُمنح كل نموذج تحكم ذراع روبوتية بـ 6 محاور (5 مفاصل وملقط) وهدفًا بسيطًا. نطلق اليوم نتائج مهامنا الثماني الأولى.
وجدنا أن نماذج اللغة الرائدة المدمجة في أطر عمل وكلاء البرمجة أصبحت مؤخرًا قادرة على التلاعب مباشرة بأذرع الروبوت لإنجاز مهام بسيطة. أما اليوم فهي لا تزال بطيئة ومرتفعة التكلفة إلى حد بعيد بحيث لا تصلح لأي استخدام إنتاجي - إذ تتفوق البشرية عليها بحوالي مرتبتين من حيث الأداء. نتوقع أن يتغير هذا الأمر بسرعة.
حلّت GPT-6 Astra في المركز الأول في AA-Robotics v0.1، تلتها GPT-6.1 Sol ثم Gemini 4 Argon وClaude Opus 5.5.
تفاصيل AA-Robotics v0.1:
➤ تختبر مهامنا الثماني الأولى مجموعة من القدرات: التحكم والبراعة (الإمساك الدقيق بالأشياء والتعامل معها)، والاستدلال المكاني (كيفية تفاعل الأشياء مع بعضها البعض)، والقدرة على التكيف (كيفية استجابة النماذج للمفاجآت غير المتوقعة).
➤ تحصل النماذج على تعليمات موجزة فقط: كيفية الاتصال بذراع الروبوت (عبر واجهة HTTP API بسيطة)، واسم الذراع، وكيفية تقديم محاولة. يمكنها مشاهدة المشهد عبر أربع كاميرات وكتابة وتشغيل الشيفرة لتخطيط الحركات وإرسالها
➤ بمجرد أن يقدّم النموذج محاولة، تُقيَّم حالته النهائية وفق معايير النجاح الخاصة بالمهمة. تحقق المحاولة الناجحة درجة 100، بينما تحصل المحاولة غير المكتملة على جزء من الدرجة. جميع المحاولات تتم بدون أمثلة مسبقة (zero-shot)
أبرز النتائج:
➤ تتصدر عائلة GPT قائمة الترتيب: حققت GPT-6 Astra درجة 69، متقدمة على GPT-6.1 Sol بدرجة 65 وGemini 4 Argon بدرجة 55. فيما تتأخر Claude Opus 5.5 (49) وClaude Fable 5.1 (46)
➤ نماذج اليوم بطيئة بشكل لا يصدق في مهامنا، إذ تستغرق نحو 30 دقيقة في المتوسط لإكمال كل مهمة على الطاولة
➤ تختلف التكلفة بشكل كبير: GPT-6.1 Sol هو الأرخص بمتوسط 1.93 دولار لكل مهمة؛ بينما GPT-6 Astra، الأغلى، تكلفته 16.36 دولار، أي أكثر من ثمانية أضعاف
➤ بالمقارنة مع الإنسان، فإن أفضل نماذج اللغة الحدودية اليوم أبطأ بنحو 100 مرة وأغلى بنحو 10 مرات
المزيد من النتائج والمقاطع وكيفية عمل AA-Robotics v0.1 في التغطية أدناه