AnswersPublished17 sources
EchoPolicy-0 först på MolmoSpaces med 75,4 procent
MagicLab uppger att EchoPolicy 0 kom etta på AI2:s Combined lista för MolmoSpaces, med 75,4 procents genomsnittlig lyckandegrad över fyra uppgifter. MagicBrain, med 3,4 miljarder parametrar, kom fyra med 72,4 procent totalt och 94,4 procent på uppgiften Pick.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- MagicLab uppger att EchoPolicy 0 kom etta på AI2:s Combined lista för MolmoSpaces, med 75,4 procents genomsnittlig lyckandegrad över fyra uppgifter.
- MagicBrain, med 3,4 miljarder parametrar, kom fyra med 72,4 procent totalt och 94,4 procent på uppgiften Pick.
- Resultaten gäller ett benchmarktest och visar inte i sig hur systemen presterar i verklig drift.
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 uppger att robotramverket EchoPolicy-0 kom etta på AI2:s Combined-lista för MolmoSpaces, med 75,4 procents genomsnittlig lyckandegrad över fyra uppgifter. Företagets MagicBrain, med 3,4 miljarder parametrar, kom fyra med 72,4 procent totalt och nådde 94,4 procent på uppgiften Pick. Resultaten är benchmarkresultat – inte i sig ett bevis på hur systemen fungerar i verklig drift.1
18
Så gick systemen
EchoPolicy-0:s rapporterade genomsnitt omfattar MolmoSpaces v1-uppgifterna Pick, Pick and Place, Open och Close. MagicLab uppger att systemet toppade Combined-listan.1 Pandaily har granskat de publicerade listuppgifterna och räknat fram ett genomsnitt på omkring 75,5 procent. Det ligger nära företagets siffra på 75,4 procent; eftersom rapporteringen av genomsnittet skiljer sig något använder vi här MagicLabs uppgift.
41
MagicBrain, MagicLabs modell med 3,4 miljarder parametrar, uppges ha kommit fyra i samma Combined-grupp, med 72,4 procents genomsnitt och 94,4 procent på Pick.18 Den senare siffran gäller alltså en enskild uppgift, inte systemets totala resultat.
| System | Rapporterat Combined-resultat | Särskilt resultat |
|---|---|---|
| EchoPolicy-0 | 75,4 %, etta | Lika viktat genomsnitt för Pick, Pick and Place, Open och Close |
| MagicBrain | 72,4 %, fyra | 94,4 % på Pick |
Vad MolmoSpaces mäter
MolmoSpaces är ett benchmark för så kallad förkroppsligad AI, där AI-system ska utföra uppgifter genom att agera i en miljö. Testet från Allen Institute for AI (AI2) är utformat för nollskottsutvärdering och omfattar mer än 230 000 inomhusmiljöer och omkring 130 000 objekt.1 Det prövar om ett robotsystem kan följa instruktioner och hantera objekt i angivna scener, snarare än att bara visa upp ett enstaka exempel.
Siffrorna för miljöer och objekt beskriver benchmarkets omfattning, inte antalet testomgångar bakom just de här resultaten. Listan sammanfattar systemen på fyra manipulationsuppgifter i version 1. Ett gemensamt test ger ett sätt att jämföra systemen, men visar inte ensamt hur tillförlitligt en robot skulle arbeta på en fysisk arbetsplats eller i någon annan driftsmiljö.
EchoPolicy-0 kopplar ihop förståelse och handling
MagicLab beskriver EchoPolicy-0 som ett samlat ramverk med en vision-språkmodell, geometriska verktyg för robotmanipulation och en generell handlingspolicy. Tanken är att föra ihop observation av en scen och tolkning av en instruktion med val av handling, utförande och kontroll av resultatet.18
Ramverket använder enligt beskrivningarna också visuell vägledning för att välja mellan möjliga handlingar: en handlingsmodell föreslår alternativ, och systemet använder sin förståelse av målet för att välja ett lämpligt. Utvärderingsdokumentationen beskriver visuella kontroller som kan avgöra om utförandet ska fortsätta, göras om eller ersättas med en annan väg.18
20 Det innebär att systemet inte bara skickar ett rörelsekommando en gång, utan kopplar ihop syn och handling med återkoppling.
MagicBrain försöker välja rätt mål
MagicBrain använder en annan metod: visuell vägledning i kontext för att hjälpa systemet hitta objektet som instruktionen syftar på. Den visuella identifieringen vägleder sedan handlingsmodellens rörelser. På så vis delas frågan upp i två delar: vad ska roboten hantera och hur ska den röra sig?19
33
I sin rapporterade analys pekade MagicLab ut felaktigt val av målobjekt – snarare än instabila rörelser – som en vanlig orsak till misslyckade grepp i de fall företaget studerade.30 Det pekar på en utmaning i att koppla instruktioner till rätt objekt: även ett väl utfört grepp misslyckas om roboten väljer fel sak. Det är en observation om de studerade fallen, inte en generell förklaring till alla misslyckade robotgrepp.
Vad resultaten säger – och inte säger
Båda systemen visar på ett fokus på att koppla ihop instruktionstolkning, visuell identifiering av mål och fysisk handling. MagicLab Studio har beskrivit skiktade arkitekturer som en föredragen riktning och lyft fram instruktionsefterlevnad som en utmaning för generella uppgifter.33
Resultaten visar hur systemen presterade på MolmoSpaces uppgifter. De bör inte tolkas som bevis på tillförlitlighet i verkliga miljöer eller kommersiell beredskap: ett bra benchmarkresultat fastställer inte i sig hur systemet fungerar under andra fysiska förhållanden eller i faktisk drift.
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 först på MolmoSpaces med 75,4 procent"?
MagicLab uppger att EchoPolicy 0 kom etta på AI2:s Combined lista för MolmoSpaces, med 75,4 procents genomsnittlig lyckandegrad över fyra uppgifter.
What are the key points to validate first?
MagicLab uppger att EchoPolicy 0 kom etta på AI2:s Combined lista för MolmoSpaces, med 75,4 procents genomsnittlig lyckandegrad över fyra uppgifter. MagicBrain, med 3,4 miljarder parametrar, kom fyra med 72,4 procent totalt och 94,4 procent på uppgiften Pick.
What should I do next in practice?
Resultaten gäller ett benchmarktest och visar inte i sig hur systemen presterar i verklig drift.