AnswersPublished17 sources
MagicLabs robot-AI får førsteplads i MolmoSpaces-test
MagicLab oplyser, at EchoPolicy 0 blev nummer ét på AI2’s MolmoSpaces Combined rangliste med 75,4 procent i gennemsnit på fire opgaver. MagicBrain, en model med 3,4 milliarder parametre, blev nummer fire med 72,4 procent samlet og 94,4 procent i opgaven Pick.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- MagicLab oplyser, at EchoPolicy 0 blev nummer ét på AI2’s MolmoSpaces Combined rangliste med 75,4 procent i gennemsnit på fire opgaver.
- MagicBrain, en model med 3,4 milliarder parametre, blev nummer fire med 72,4 procent samlet og 94,4 procent i opgaven Pick.
- Resultaterne gælder benchmarkens testmiljøer og dokumenterer ikke i sig selv, hvordan systemerne vil klare sig i fysisk brug.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: As reported on October 14, 2026, how did MagicLab’s EchoPolicy-0 and its in-house 3.4-billion-parameter MagicBrain perform on AI2’s MolmoSpa. Article summary: MagicLab reported EchoPolicy-0 first on AI2’s MolmoSpaces Combined leaderboard at a 75.4% equal-weighted success rate, while its 3.4-billion-parameter MagicBrain reportedly ranked fourth at 72.4%, including 94.4% on Pick. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
MagicLab oplyser, at robotrammeværket EchoPolicy-0 blev nummer ét på AI2’s MolmoSpaces Combined-rangliste med en gennemsnitlig succesrate på 75,4 procent på tværs af fire opgaver. MagicBrains rammeværk med 3,4 milliarder parametre blev nummer fire med 72,4 procent samlet og nåede 94,4 procent i opgaven Pick.1
18 Resultaterne er benchmarkmålinger – ikke i sig selv dokumentation for, hvordan systemerne vil fungere i virkelige arbejdsmiljøer.
Sådan klarede systemerne sig
EchoPolicy-0’s oplyste gennemsnit dækker MolmoSpaces v1-opgaverne Pick, Pick and Place, Open og Close. MagicLab siger, at systemet indtog førstepladsen på Combined-ranglisten.1 Pandaily har gennemgået de offentliggjorte ranglistedata og beregnet et gennemsnit på cirka 75,5 procent. Det ligger tæt på virksomhedens tal på 75,4 procent; her bruger vi MagicLabs oplyste resultat.
41
MagicBrain blev ifølge MagicLab nummer fire i samme Combined-gruppe med et gennemsnit på 72,4 procent. Dets resultat på 94,4 procent gælder specifikt Pick-opgaven – ikke den samlede score.18
| System | Oplyst samlet resultat | Bemærkning |
|---|---|---|
| EchoPolicy-0 | 75,4 %, nummer ét | Ligevægtet gennemsnit på Pick, Pick and Place, Open og Close |
| MagicBrain | 72,4 %, nummer fire | 94,4 % oplyst på Pick |
Hvad måler MolmoSpaces?
MolmoSpaces er AI2’s benchmark for såkaldt zero-shot embodied AI: systemer, der skal udføre fysiske opgaver ud fra instruktioner uden at være trænet specifikt på de konkrete testsituationer. Benchmarkens miljø omfatter mere end 230.000 indendørsscener og omkring 130.000 objektmodeller.1
Ranglisten opsummerer resultater på fire manipulationstests i version 1. Den giver mulighed for at sammenligne systemer under fælles rammer, men tallene siger ikke alene, hvor pålideligt en robot vil arbejde i en fysisk virksomhed eller i andre omgivelser. Antallet af miljøer og objekter beskriver benchmarkens samlede univers – ikke antallet af forsøg bag disse resultater.
EchoPolicy-0 kobler forståelse og handling
MagicLab beskriver EchoPolicy-0 som et samlet system, der kombinerer en visuel sprogmodel, geometriske værktøjer til manipulation og en generel handlingspolitik. Tanken er at føre robotten fra at observere scenen og forstå instruktionen til at vælge og udføre en handling – og derefter kontrollere resultatet.18
Systemet bruger også visuel vejledning til at vælge mellem mulige handlinger: En handlingsmodel foreslår muligheder, hvorefter systemet bruger sin forståelse af målet til at vælge en passende. Evalueringsmaterialet beskriver visuelle tjek, der kan bruges til at afgøre, om robotten skal fortsætte, prøve igen eller vælge en anden fremgangsmåde.18
20 Det er dermed mere end én enkelt bevægelseskommando: perception og handling forbindes med løbende feedback.
MagicBrain skal hjælpe robotten med at vælge det rigtige objekt
MagicBrain bruger en anden tilgang: visuel vejledning i konteksten skal hjælpe systemet med at finde det objekt, instruktionen handler om. På den måde bidrager den visuelle identifikation til at styre bevægelsen – med fokus på forskellen mellem at finde ud af hvad robotten skal håndtere og hvordan den skal bevæge sig.19
33
I MagicLabs analyse var forkert valg af målobjekt en hyppig årsag til mislykkede gribeforsøg, mens ustabile bevægelser ikke var hovedproblemet i de undersøgte tilfælde.30 Det peger på en udfordring med at forbinde instruktion og objekt: Selv et præcist greb mislykkes, hvis robotten tager fat i den forkerte ting. Observationen gælder de undersøgte tilfælde og kan ikke uden videre generaliseres til alle robotters gribefejl.
Hvad resultaterne fortæller – og ikke fortæller
Begge systemer afspejler et fokus på at forbinde forståelse af instruktioner, visuel genkendelse af mål og fysisk handling. MagicLab Studio har beskrevet lagdelte systemarkitekturer som en foretrukken retning og peget på instruktioner som en udfordring for generelle opgaver.33
Resultaterne viser, hvordan systemerne klarede sig på MolmoSpaces’ benchmarkopgaver. De bør ikke læses som bevis på pålidelighed i den virkelige verden eller på, at teknologien er klar til kommerciel brug: En høj score i benchmarken dokumenterer ikke i sig selv, hvordan systemet fungerer under andre fysiske forhold eller i konkrete driftsmiljøer.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "MagicLabs robot-AI får førsteplads i MolmoSpaces-test"?
MagicLab oplyser, at EchoPolicy 0 blev nummer ét på AI2’s MolmoSpaces Combined rangliste med 75,4 procent i gennemsnit på fire opgaver.
What are the key points to validate first?
MagicLab oplyser, at EchoPolicy 0 blev nummer ét på AI2’s MolmoSpaces Combined rangliste med 75,4 procent i gennemsnit på fire opgaver. MagicBrain, en model med 3,4 milliarder parametre, blev nummer fire med 72,4 procent samlet og 94,4 procent i opgaven Pick.
What should I do next in practice?
Resultaterne gælder benchmarkens testmiljøer og dokumenterer ikke i sig selv, hvordan systemerne vil klare sig i fysisk brug.