AnswersPublished17 sources
MagicLabin EchoPolicy-0 voitti robottien MolmoSpaces-testin – MagicBrain onnistui poiminnassa 94,4-prosenttisesti
MagicLabin mukaan EchoPolicy 0 sijoittui AI2:n MolmoSpaces Combined listalla ensimmäiseksi 75,4 prosentin keskiarvolla neljässä tehtävässä. 3,4 miljardin parametrin MagicBrain sijoittui neljänneksi 72,4 prosentin keskiarvolla ja sai poimintatehtävässä 94,4 prosenttia.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- MagicLabin mukaan EchoPolicy 0 sijoittui AI2:n MolmoSpaces Combined listalla ensimmäiseksi 75,4 prosentin keskiarvolla neljässä tehtävässä.
- 3,4 miljardin parametrin MagicBrain sijoittui neljänneksi 72,4 prosentin keskiarvolla ja sai poimintatehtävässä 94,4 prosenttia.
- Tulokset kertovat suoriutumisesta vertailutestissä, eivät yksin siitä, miten järjestelmät toimisivat käytännön työympäristössä.
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
MagicLabin EchoPolicy-0 sijoittui ensimmäiseksi AI2:n MolmoSpaces Combined -vertailussa. Yhtiön ilmoittama tulos oli 75,4 prosenttia neljän robottien käsittelytehtävän tasapainotettuna keskiarvona. MagicLabin toinen järjestelmä, 3,4 miljardin parametrin MagicBrain, sijoittui neljänneksi 72,4 prosentin keskiarvolla. Sen tulos poimintatehtävässä oli 94,4 prosenttia.1
18
Kyse on vertailutestin tuloksista. Ne eivät yksin osoita, kuinka luotettavasti robotit suoriutuisivat todellisissa työympäristöissä.1
18
Kaksi järjestelmää, eri tulokset
EchoPolicy-0:n keskiarvo muodostui MolmoSpacesin version 1 neljästä tehtävästä: esineen poiminnasta, poiminnasta ja siirtämisestä, avaamisesta sekä sulkemisesta. MagicLab ilmoitti järjestelmänsä sijoittuneen tehtävien yhdistetyllä listalla ensimmäiseksi.1
Pandailyn tarkastelussa julkistetuista tuloksista laskettu keskiarvo oli noin 75,5 prosenttia. Luku on hyvin lähellä yhtiön ilmoittamaa 75,4 prosenttia, joten tässä käytetään MagicLabin raportoimaa lukua.41
| Järjestelmä | Tulos Combined-listalla | Huomio |
|---|---|---|
| EchoPolicy-0 | 75,4 %, ensimmäinen | Keskiarvo neljästä tehtävästä |
| MagicBrain | 72,4 %, neljäs | Poimintatehtävässä 94,4 % |
MagicBrainin 94,4 prosentin tulos koskee siis vain poimintatehtävää, eikä sitä pidä sekoittaa järjestelmän 72,4 prosentin kokonaiskeskiarvoon.18
Mitä MolmoSpaces mittaa?
AI2:n MolmoSpaces on niin sanottu nollatuloksen (zero-shot) kehollisen tekoälyn vertailutesti. Se on rakennettu yli 230 000 sisäympäristön ja noin 130 000 esineaineiston varaan.1 Testissä arvioidaan, pystyykö robottijärjestelmä tekemään sille annettuja käsittelytehtäviä määritellyissä olosuhteissa.
Ympäristöjen ja esineaineistojen määrät kuvaavat vertailutestin kokonaisuutta, eivät näissä tuloksissa tehtyjen yksittäisten kokeiden määrää. Yhteinen testi auttaa vertaamaan järjestelmiä samoilla tehtävillä, mutta tulos ei sellaisenaan kerro, miten hyvin ne siirtyisivät erilaisiin fyysisiin olosuhteisiin tai käytännön käyttökohteisiin.
EchoPolicy-0 yhdistää havainnoinnin ja toiminnan
MagicLab kuvaa EchoPolicy-0:aa kokonaisuudeksi, jossa yhdistyvät näköä ja kieltä käsittelevä malli, geometriset työkalut sekä yleiskäyttöinen toimintapolitiikka. Ajatuksena on yhdistää ympäristön havainnointi, ohjeen ymmärtäminen, toiminnan valinta ja suoritus sekä lopputuloksen tarkistaminen.18
Järjestelmä voi hyödyntää visuaalista ohjausta sopivan toimintavaihtoehdon valintaan: toimintamalli ehdottaa vaihtoehtoja, ja järjestelmä valitsee niistä kohteeseen sopivan. Arviointiaineiston kuvauksessa visuaalinen tarkistus voi auttaa päättämään, jatketaanko suoritusta, yritetäänkö uudelleen vai siirrytäänkö toiseen toimintatapaan.18
20 Näin järjestelmän toimintamalliin kuuluu suorituksen jälkeinen palaute, ei pelkästään yksittäinen liikeohje.
MagicBrain keskittyy siihen, mitä robotti tarttuu
MagicBrain käyttää kontekstuaalista visuaalista ohjausta kohteen tunnistamiseen ohjeen perusteella. Tavoitteena on erottaa toisistaan kaksi asiaa: mikä esine pitää käsitellä ja miten robotti liikuttaa kättään sen käsittelemiseksi.19
33
MagicLabin raportoiman analyysin mukaan väärän kohteen valinta oli yleinen tarttumisvirheen syy yhtiön tutkimissa tapauksissa; ongelmana ei siis aina ollut liikkeen epävakaus.30 Havainto korostaa ohjeen ja näkymän yhdistämisen merkitystä: onnistuneestikin suoritettu tarttuminen epäonnistuu tehtävän kannalta, jos robotti valitsee väärän esineen. Kyse on yhtiön analyysistä sen tarkastelemista tapauksista, ei kaikkia robottien tarttumisvirheitä koskevasta yleispätevästä johtopäätöksestä.
Hyvä testitulos ei vielä todista käytännön luotettavuutta
Molemmissa järjestelmissä pyritään yhdistämään ohjeen ymmärtäminen, näköhavainto ja fyysinen toiminta. MagicLab Studio on kertonut pitävänsä kerroksellisia järjestelmäarkkitehtuureja kiinnostavana suuntana ja nostanut ohjeiden seuraamisen yleiskäyttöisissä tehtävissä haasteeksi.33
MolmoSpacesin tulokset osoittavat, miten järjestelmät suoriutuivat kyseisen vertailutestin tehtävistä. Ne eivät yksin todista toimintavarmuutta todellisissa työympäristöissä tai kaupallista valmiutta: suoriutumista eri fyysisissä olosuhteissa ja käyttökohteissa on arvioitava erikseen.
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 "MagicLabin EchoPolicy-0 voitti robottien MolmoSpaces-testin – MagicBrain onnistui poiminnassa 94,4-prosenttisesti"?
MagicLabin mukaan EchoPolicy 0 sijoittui AI2:n MolmoSpaces Combined listalla ensimmäiseksi 75,4 prosentin keskiarvolla neljässä tehtävässä.
What are the key points to validate first?
MagicLabin mukaan EchoPolicy 0 sijoittui AI2:n MolmoSpaces Combined listalla ensimmäiseksi 75,4 prosentin keskiarvolla neljässä tehtävässä. 3,4 miljardin parametrin MagicBrain sijoittui neljänneksi 72,4 prosentin keskiarvolla ja sai poimintatehtävässä 94,4 prosenttia.
What should I do next in practice?
Tulokset kertovat suoriutumisesta vertailutestissä, eivät yksin siitä, miten järjestelmät toimisivat käytännön työympäristössä.