AnswersPublished17 sources
MagicLab øverst på AI2s robotbenchmark – MagicBrain får 94,4 prosent på gripeoppgaven
EchoPolicy 0 fikk ifølge MagicLab 75,4 prosent i gjennomsnitt på fire oppgaver og førsteplass på AI2s MolmoSpaces Combined liste. MagicBrain, med 3,4 milliarder parametere, ble rapportert på fjerdeplass med 72,4 prosent totalt og 94,4 prosent på gripeoppgaven.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- EchoPolicy 0 fikk ifølge MagicLab 75,4 prosent i gjennomsnitt på fire oppgaver og førsteplass på AI2s MolmoSpaces Combined liste.
- MagicBrain, med 3,4 milliarder parametere, ble rapportert på fjerdeplass med 72,4 prosent totalt og 94,4 prosent på gripeoppgaven.
- Resultatene gjelder en benchmark. De viser ikke i seg selv hvor pålitelig systemene vil være i praktisk bruk.
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
MagicLabs EchoPolicy-0 kom på førsteplass på AI2s MolmoSpaces Combined-liste med en rapportert suksessrate på 75,4 prosent. Gjennomsnittet bygger på fire oppgaver: å gripe en gjenstand, gripe og flytte den, åpne og lukke. MagicBrains rapporterte totalsnitt var 72,4 prosent, som ga fjerdeplass. Systemet oppnådde 94,4 prosent på gripeoppgaven.1
18
Dette er resultater fra en benchmark, ikke dokumentasjon på hvordan robotene vil prestere i praktisk bruk.
Resultatene på de fire oppgavene
EchoPolicy-0s 75,4 prosent er et likt vektet gjennomsnitt av resultatene på de fire oppgavene i MolmoSpaces v1. MagicLab oppga at systemet lå øverst på Combined-listen.1 Pandaily har også omtalt de publiserte rangeringstallene og beregnet et gjennomsnitt på om lag 75,5 prosent. Det er nært MagicLabs rapporterte tall på 75,4 prosent; her bruker vi selskapets oppgitte resultat.
41
MagicBrain er MagicLabs system med 3,4 milliarder parametere. Det ble rapportert på fjerdeplass i samme rangering, med et snitt på 72,4 prosent. Resultatet på 94,4 prosent gjelder bare gripeoppgaven, ikke systemets samlede gjennomsnitt.18
| System | Rapportert resultat | Kort forklart |
|---|---|---|
| EchoPolicy-0 | 75,4 prosent – førsteplass | Likt vektet gjennomsnitt på fire oppgaver |
| MagicBrain | 72,4 prosent – fjerdeplass | 94,4 prosent på gripeoppgaven |
Hva MolmoSpaces tester
MolmoSpaces er en benchmark for såkalt «embodied AI» – kunstig intelligens som skal oppfatte omgivelsene og utføre handlinger i dem. Den er laget av Allen Institute for AI (AI2) og beskrives som en zero-shot-test: Systemene vurderes på oppgaver de ikke er spesialtrent for i selve evalueringen. Benchmarken omfatter mer enn 230 000 innemiljøer og rundt 130 000 objektmodeller.1
Tallene for miljøer og objekter beskriver benchmarkens omfang, ikke antall forsøk bak resultatene. De fire oppgavene i v1 gir en felles ramme for å sammenligne hvordan systemer håndterer instruksjoner og manipulerer gjenstander i ulike scener. En plassering på listen sier likevel ikke alene hvor godt en robot vil klare seg i et fysisk arbeidsmiljø.
EchoPolicy-0 kobler syn, planlegging og handling
MagicLab beskriver EchoPolicy-0 som et samlet rammeverk som kombinerer en visuell språkmodell, geometriske verktøy for robotmanipulering og en generell handlingspolicy. Tanken er å knytte sammen det å observere en scene, forstå en instruksjon, velge en handling, utføre den og kontrollere resultatet.18
I den beskrevne tilnærmingen foreslår en handlingsmodell flere mulige handlinger. Systemet bruker deretter visuell forståelse av målet til å velge et passende alternativ. Evaluasjonsdokumentasjonen omtaler også visuell kontroll av utfallet, som kan påvirke om roboten fortsetter, prøver igjen eller velger en annen vei.18
20 Dermed er ikke opplegget bare én bevegelseskommando: Det skal koble sammen oppfatning, handling og tilbakemelding.
MagicBrain retter oppmerksomheten mot riktig gjenstand
MagicBrain følger en annen tilnærming og bruker visuell veiledning i konteksten for å hjelpe systemet med å finne gjenstanden instruksjonen viser til. Her skal den visuelle identifiseringen veilede handlingsmodellen, slik at systemet både må finne ut hva det skal håndtere og hvordan det skal bevege seg.19
33
I MagicLabs analyse var feil valg av gjenstand en vanlig årsak til mislykkede grep i de undersøkte tilfellene – ikke ustabile bevegelser.30 Det peker på en utfordring med å knytte språket i instruksjonen til riktig objekt i bildet. Et grep kan være teknisk godt utført, men likevel mislykkes hvis roboten tar tak i feil ting. Observasjonen gjelder tilfellene selskapet undersøkte, ikke alle robotgrep generelt.
Hva resultatene forteller – og ikke forteller
Begge systemene legger vekt på å få instruksjonsforståelse, visuell gjenkjenning og fysisk handling til å henge sammen. MagicLab Studio har omtalt lagdelte systemer som en foretrukket retning, og peker på instruksjonsfølging som en utfordring for mer generelle oppgaver.33
Benchmarkresultatene viser hvordan systemene gjorde det på MolmoSpaces’ oppgaver. De dokumenterer ikke i seg selv pålitelighet i den fysiske verden eller at teknologien er klar for kommersiell bruk. Resultater i en benchmark fastslår heller ikke hvordan systemene vil overføres til andre fysiske forhold eller bruksområder.
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 "MagicLab øverst på AI2s robotbenchmark – MagicBrain får 94,4 prosent på gripeoppgaven"?
EchoPolicy 0 fikk ifølge MagicLab 75,4 prosent i gjennomsnitt på fire oppgaver og førsteplass på AI2s MolmoSpaces Combined liste.
What are the key points to validate first?
EchoPolicy 0 fikk ifølge MagicLab 75,4 prosent i gjennomsnitt på fire oppgaver og førsteplass på AI2s MolmoSpaces Combined liste. MagicBrain, med 3,4 milliarder parametere, ble rapportert på fjerdeplass med 72,4 prosent totalt og 94,4 prosent på gripeoppgaven.
What should I do next in practice?
Resultatene gjelder en benchmark. De viser ikke i seg selv hvor pålitelig systemene vil være i praktisk bruk.