AntwortenVeröffentlicht17 Quellen
EchoPolicy-0 erzielt 75,4 Prozent im MolmoSpaces-Benchmark
MagicLab zufolge erreichte EchoPolicy 0 im Combined Leaderboard von AI2s MolmoSpaces mit 75,4 Prozent den ersten Platz – als gleich gewichteter Durchschnitt über vier Aufgaben. Das 3,4 Milliarden Parameter System MagicBrain belegte mit 72,4 Prozent Rang vier und erzielte beim Greifen 94,4 Prozent.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- MagicLab zufolge erreichte EchoPolicy 0 im Combined Leaderboard von AI2s MolmoSpaces mit 75,4 Prozent den ersten Platz – als gleich gewichteter Durchschnitt über vier Aufgaben.
- Das 3,4 Milliarden Parameter System MagicBrain belegte mit 72,4 Prozent Rang vier und erzielte beim Greifen 94,4 Prozent.
- Die Werte stammen aus einem Benchmark. Für sich genommen belegen sie nicht, wie zuverlässig die Systeme unter realen Einsatzbedingungen arbeiten.
KI-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
MagicLabs Framework EchoPolicy-0 steht im Combined-Leaderboard von AI2s MolmoSpaces auf Platz eins. Das Unternehmen gibt eine Erfolgsquote von 75,4 Prozent an, berechnet als gleich gewichteten Durchschnitt über vier Aufgaben. Das ebenfalls von MagicLab entwickelte System MagicBrain erreichte im selben Ranking 72,4 Prozent und Rang vier; bei der Einzelaufgabe „Pick“ kam es auf 94,4 Prozent.1
18
Ein Abgleich der veröffentlichten Ranglistendaten durch Pandaily ergab für EchoPolicy-0 einen errechneten Durchschnitt von rund 75,5 Prozent. Die kleine Abweichung zur Angabe von 75,4 Prozent dürfte mit der Rundung beziehungsweise der Darstellung des Mittelwerts zusammenhängen; hier bleibt es bei der von MagicLab gemeldeten Zahl.41
Die Ergebnisse im Überblick
EchoPolicy-0s Durchschnitt umfasst die vier Manipulationsaufgaben der ersten MolmoSpaces-Version: Greifen („Pick“), Greifen und Platzieren („Pick and Place“), Öffnen („Open“) und Schließen („Close“).1 MagicBrain erzielte über dieselbe Aufgabengruppe hinweg 72,4 Prozent. Die 94,4 Prozent beziehen sich allein auf „Pick“ und sind nicht mit dem Gesamtdurchschnitt gleichzusetzen.
18
| System | Ergebnis im Combined-Leaderboard | Besonderheit |
|---|---|---|
| EchoPolicy-0 | 75,4 Prozent, Platz 1 | Gleich gewichteter Durchschnitt über vier Aufgaben |
| MagicBrain | 72,4 Prozent, Platz 4 | 94,4 Prozent bei „Pick“ |
Was MolmoSpaces prüft
MolmoSpaces ist ein Zero-Shot-Benchmark für verkörperte KI, entwickelt vom Allen Institute for AI (AI2). Er umfasst mehr als 230.000 Innenräume und rund 130.000 Objekt-Assets.1 Geprüft wird, ob ein Robotersystem vorgegebene Manipulationsaufgaben in bestimmten Szenen ausführen kann – nicht nur, ob es eine einzelne Demonstration erfolgreich wiederholt.
Die Ranglistenwerte fassen die Leistung bei den vier Aufgaben der Version 1 zusammen. Ein gemeinsamer Testaufbau erleichtert den Vergleich verschiedener Systeme. Die Größe der Benchmark-Umgebung sagt jedoch nichts darüber aus, wie oft ein einzelnes System in diesen Ergebnissen getestet wurde. Und gute Benchmark-Werte allein belegen nicht, dass ein Roboter in einer Fabrik oder einer anderen realen Umgebung ebenso zuverlässig arbeitet.
EchoPolicy-0 verbindet Wahrnehmung und Handlung
MagicLab beschreibt EchoPolicy-0 als ein Framework, das ein Vision-Language-Modell, geometrische Werkzeuge zur Manipulation und eine allgemeine Handlungsstrategie zusammenführt. Der Ablauf soll Beobachten, Verstehen, Auswählen und Ausführen mit einer anschließenden Prüfung des Ergebnisses verbinden.18
Dabei kann das System aus mehreren möglichen Aktionen auswählen: Ein Aktionsmodell schlägt Optionen vor, und die visuelle Zielerkennung hilft bei der Auswahl. Nach der Ausführung prüft das System, ob es fortfahren, einen Versuch wiederholen oder auf eine andere Vorgehensweise ausweichen soll.18
20 So wird die Bewegung nicht als einmaliger Befehl behandelt, sondern mit einem Rückkopplungsschritt verknüpft.
MagicBrain setzt bei der Zielerkennung an
MagicBrain verfolgt einen anderen Ansatz: Eine kontextbezogene visuelle Führung soll dem System helfen, das zur Anweisung passende Objekt zu identifizieren. Die visuelle Erkennung unterstützt damit die Bewegungsplanung – also die Unterscheidung zwischen der Frage, was gegriffen werden soll, und der Frage, wie die Bewegung ausgeführt wird.19
33
MagicLabs Analyse zufolge war bei den untersuchten fehlgeschlagenen Greifversuchen häufig nicht eine instabile Bewegung das Problem, sondern die Wahl des falschen Objekts.30 Das weist auf eine Herausforderung beim Verknüpfen von Anweisungen und visuellen Zielen hin: Auch ein technisch sauber ausgeführter Griff misslingt, wenn der Roboter den falschen Gegenstand auswählt. Die Beobachtung bezieht sich auf die von MagicLab untersuchten Fälle und ist keine allgemeingültige Aussage über alle Greiffehler.
Was sich aus den Zahlen ableiten lässt – und was nicht
Beide Ansätze zielen darauf, Sprachverständnis, visuelle Zielerkennung und körperliche Aktion besser miteinander zu verbinden. MagicLab Studio hat sich für geschichtete Architekturen ausgesprochen und bezeichnet das Befolgen von Anweisungen als eine Herausforderung bei allgemeinen Aufgaben.33
Die Ranglistenwerte zeigen, wie EchoPolicy-0 und MagicBrain bei den MolmoSpaces-Aufgaben abgeschnitten haben. Sie sind für sich genommen aber kein Beleg für Zuverlässigkeit im realen Einsatz oder kommerzielle Einsatzreife: Der Erfolg in einem Benchmark sagt nicht automatisch voraus, wie gut ein System mit abweichenden physischen Bedingungen oder anderen Einsatzumgebungen zurechtkommt.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „EchoPolicy-0 erzielt 75,4 Prozent im MolmoSpaces-Benchmark“?
MagicLab zufolge erreichte EchoPolicy 0 im Combined Leaderboard von AI2s MolmoSpaces mit 75,4 Prozent den ersten Platz – als gleich gewichteter Durchschnitt über vier Aufgaben.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
MagicLab zufolge erreichte EchoPolicy 0 im Combined Leaderboard von AI2s MolmoSpaces mit 75,4 Prozent den ersten Platz – als gleich gewichteter Durchschnitt über vier Aufgaben. Das 3,4 Milliarden Parameter System MagicBrain belegte mit 72,4 Prozent Rang vier und erzielte beim Greifen 94,4 Prozent.
Was soll ich als nächstes in der Praxis tun?
Die Werte stammen aus einem Benchmark. Für sich genommen belegen sie nicht, wie zuverlässig die Systeme unter realen Einsatzbedingungen arbeiten.