AnswersPublished17 sources
EchoPolicy-0 mendahului penanda aras robot AI2, MagicBrain catat 94.4% untuk tugas Pick
MagicLab melaporkan EchoPolicy 0 di tempat pertama pada papan pendahulu MolmoSpaces Combined AI2 dengan kadar kejayaan 75.4% merentas empat tugas; MagicBrain 3.4 bilion parameternya di tempat keempat pada 72.4%, terma...
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- MagicLab melaporkan EchoPolicy 0 di tempat pertama pada papan pendahulu MolmoSpaces Combined AI2 dengan kadar kejayaan 75.4% merentas empat tugas; MagicBrain 3.4 bilion parameternya di tempat keempat pada 72.4%, terma...
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 melaporkan bahawa rangka kerja manipulasi robot EchoPolicy-0 menduduki tempat pertama pada papan pendahulu Combined MolmoSpaces milik AI2, dengan kadar kejayaan purata berwajaran sama sebanyak 75.4% merentas empat tugas. Rangka kerja MagicBrain, yang mempunyai 3.4 bilion parameter, pula berada di tempat keempat dengan 72.4%, termasuk kadar kejayaan 94.4% bagi tugas Pick. Angka ini ialah keputusan penanda aras—bukan bukti bahawa sistem berkenaan sudah terbukti berprestasi sama baik dalam penggunaan dunia sebenar.1
18
Perbandingan keputusan kedua-dua sistem
Purata EchoPolicy-0 merangkumi empat tugas manipulasi MolmoSpaces v1: Pick, Pick and Place, Open dan Close. MagicLab menyatakan sistem itu menduduki tempat pertama dalam kategori Combined.1 Semakan Pandaily terhadap data papan pendahulu yang diterbitkan melaporkan purata kira-kira 75.5%. Angka itu sedikit berbeza daripada 75.4% yang dilaporkan syarikat; oleh itu, artikel ini mengekalkan angka syarikat sambil menyatakan perbezaan tersebut.
41
MagicBrain, sistem MagicLab dengan 3.4 bilion parameter, dilaporkan berada di tempat keempat dalam kumpulan Combined yang sama, dengan purata 72.4% dan keputusan 94.4% untuk Pick.18 Skor 94.4% itu merujuk kepada satu tugas khusus, bukannya purata keseluruhan sistem.
| Sistem | Keputusan Combined yang dilaporkan | Perkara penting |
|---|---|---|
| EchoPolicy-0 | 75.4%, tempat pertama | Purata berwajaran sama bagi Pick, Pick and Place, Open dan Close |
| MagicBrain | 72.4%, tempat keempat | 94.4% dilaporkan bagi tugas Pick |
Apa yang dinilai oleh MolmoSpaces?
MolmoSpaces ialah penanda aras AI berjasad sifar-shot daripada AI2, dibina berasaskan lebih 230,000 persekitaran dalaman dan kira-kira 130,000 aset objek.1 Ia menilai keupayaan sistem robot melaksanakan arahan manipulasi dalam senario yang ditetapkan, bukan sekadar bergantung pada satu demonstrasi atau skor bagi satu tugas. Jumlah persekitaran dan aset itu merujuk kepada ekosistem penanda aras, bukannya bilangan percubaan dalam keputusan ini.
Angka pada papan pendahulu merumuskan prestasi bagi empat tugas manipulasi v1. Penilaian seragam seperti ini membantu membandingkan sistem dalam keadaan yang sama. Namun, skor tersebut sahaja tidak menunjukkan sejauh mana robot akan berfungsi dengan konsisten di tempat kerja fizikal atau dalam persekitaran penggunaan sebenar.
EchoPolicy-0 menghubungkan pemahaman dengan tindakan
MagicLab menerangkan EchoPolicy-0 sebagai rangka kerja yang menyatukan model penglihatan-bahasa, alat manipulasi geometri dan dasar tindakan umum. Aliran kerjanya menghubungkan pemerhatian terhadap keadaan sekeliling dan pemahaman arahan dengan pemilihan tindakan, pelaksanaan serta pemeriksaan hasil.18
Pendekatan yang dilaporkan turut menggunakan panduan visual untuk memilih antara beberapa tindakan yang dicadangkan: model tindakan mengemukakan pilihan, kemudian sistem menggunakan pemahamannya tentang sasaran untuk memilih pilihan yang sesuai. Dokumentasi penilaian menyebut pemeriksaan visual yang boleh membantu menentukan sama ada pelaksanaan patut diteruskan, dicuba semula atau beralih kepada pilihan lain.18
20 Jadi, rangka kerja ini bukan sekadar mengeluarkan arahan pergerakan sekali sahaja; ia menghubungkan persepsi dan tindakan dengan langkah semakan maklum balas.
MagicBrain memberi tumpuan pada pemilihan sasaran
MagicBrain menggunakan pendekatan berbeza, iaitu panduan visual dalam konteks untuk membantu mengenal pasti objek yang dimaksudkan dalam arahan. Dalam pendekatan ini, pengecaman visual membimbing pergerakan model tindakan—memisahkan persoalan “objek mana yang perlu diambil?” daripada “bagaimana robot perlu bergerak?”19
33
Analisis MagicLab yang dilaporkan mendapati bahawa pemilihan sasaran yang salah, bukannya pergerakan yang tidak stabil, merupakan punca lazim kegagalan mencengkam dalam kes yang dikaji.30 Pemerhatian itu menunjukkan masalah memahami arahan dan memadankannya dengan objek: cengkaman yang dilaksanakan dengan baik tetap gagal jika robot memilih objek yang salah. Namun, ini ialah dapatan bagi kes yang dikaji, bukannya rumusan menyeluruh tentang semua kegagalan robot mencengkam.
Apa yang ditunjukkan—dan tidak ditunjukkan—oleh keputusan ini
Kedua-dua sistem mencerminkan tumpuan pada hubungan antara pemahaman arahan, pemilihan sasaran secara visual dan tindakan fizikal. MagicLab Studio menyatakan bahawa seni bina berlapis ialah hala tuju yang disukai, sambil mengenal pasti pematuhan arahan sebagai cabaran bagi tugasan umum.33
Skor tersebut menunjukkan prestasi sistem dalam tugas penanda aras MolmoSpaces. Ia tidak membuktikan kebolehpercayaan di dunia sebenar atau kesediaan untuk dikomersialkan: prestasi dalam penanda aras sahaja belum membuktikan bagaimana sistem akan berfungsi dalam keadaan fizikal atau persekitaran penggunaan yang berbeza.
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 "EchoPolicy-0 mendahului penanda aras robot AI2, MagicBrain catat 94.4% untuk tugas Pick"?
MagicLab melaporkan EchoPolicy 0 di tempat pertama pada papan pendahulu MolmoSpaces Combined AI2 dengan kadar kejayaan 75.4% merentas empat tugas; MagicBrain 3.4 bilion parameternya di tempat keempat pada 72.4%, terma...