Вақте ки моделҳои пешбари се ширкати бузурги AI — OpenAI, Anthropic ва Google — дар як майдон ба ҳам меоянд, кӣ беҳтар роботро идора мекунад?
20 октябр, RoboColiseum — майдони ҷисмонии мубориза, ки аз ҷониби наздик ба 20 донишгоҳ, ширкат ва муассисаи илмии ҷаҳон, аз ҷумла Mifeng Technology, Hugging Face, NVIDIA ва Донишгоҳи Tsinghua якҷоя таъсис дода шудааст, натиҷаҳои ин давраи арзёбиро нашр кард: Claude Opus 5.5 дар байни чор модели пешбар дар ҷамъбаст ҷои аввалро гирифт, GPT-6 Astra паси он қарор дорад.
Аз рӯи зербахшҳо, дар байни чор модели пешбар, GPT-6 Astra дар пайравӣ ба дастурҳо ва мутобиқшавӣ ба халалҳои умумӣ пешсаф аст, ки холҳои пайравӣ ба дастурҳо ба 99.35 расид; Opus дар фаҳмиши фазоӣ ва амалиёти умумӣ беҳтар аст ва бо камтарин сарфи токени арзёбии ҳамаи даврҳо ҷои аввалро дар гурӯҳи моделҳои пешбар гирифт. Дар озмоишҳое, ки сифати тасвир халалдор шудааст, GPT-6.1 Sol нисбат ба се модели дигар ба таври назаррас қафо монд, ки фарқияти устувории моделҳои гуногун ҳангоми рӯ ба рӯ шудан бо тағйироти иттилооти биноӣро нишон медиҳад.
Аммо ду ҷои аввали рейтинги ҷамъбастии ин давраро ҳанӯз моделҳои стратегияи ҷисмонӣ ишғол мекунанд, махсусан дар ченаки амалиёти умумӣ бартарӣ доранд.
Ин мусобиқаи якҷоя барои соҳа маълумоти фаврӣ фароҳам меорад, то бартариҳо ва камбудиҳои қобилиятҳои моделҳои бузурги умумӣ ва моделҳои стратегияи ҷисмониро равшан бинад.
RoboColiseum дар атрофи пайравӣ ба дастурҳо, фаҳмиши фазоӣ, мутобиқшавӣ ба халалҳо ва амалиёти умумӣ чор зеррейтинги қобилият ва 78 вазифаи арзёбии симулятсионии баландсифатро пешниҳод мекунад, ки ҳам намоиши зербахши моделҳоро нишон медиҳад ва ҳам қадамҳои иҷрои вазифа ва ҷойҳои нокомиро сабт мекунад, то ба таҳиягарон кӯмак кунад, ки камбудиҳои қобилияти моделро зуд муайян кунанд.
Ҳамчун ҳаммуассис, Mifeng ба RoboColiseum дороиҳои объекти баландсифат ва сенарияҳои симулятсиониро таъмин мекунад, сохтани муҳити арзёбии вазифаҳои мураккаби амалиёти роботро дастгирӣ мекунад ва барои озмоиши қобилияти моделҳо дар шароити ҳамкории объектҳои гуногун, ҷойгиршавии фазоӣ ва муҳит захираҳои асосӣ фароҳам меорад.
Оё натиҷаҳои модел дар симулятсия иҷрои воқеии амалиро инъикос карда метавонанд, низ калиди арзёбӣ аст. Мувофиқи натиҷаҳои озмоиши воқеии платформа, робитаи байни арзёбии симулятсионии RoboColiseum ва ҷорӣ шудан дар дастгоҳи воқеӣ ба 89,5% расид, фарқияти арзёбии ҳамон модел дар симулятсия ва ҷаҳони воқеӣ камтар аз 10% аст, ки метавонад барои интихоби модел ва муайян кардани мушкилот пеш аз гузаштан ба озмоиши дастгоҳи воқеӣ ба таҳиягарон маълумоти фаврӣ диҳад.
Mifeng Technology низоми таъминоти маълумоти "ҳамаҷониба, хуб ва тез"-ро пешниҳод мекунад, ки се парадигмаи маълумот — дастгоҳи воқеӣ, симулятсия ва беҷисмро фаро мегирад. Дар бахши симулятсия, Mifeng ду намуди захираҳо — дороиҳои объектҳо ва дороиҳои муҳитро пешниҳод мекунад, ки молҳои гуногуни рӯзмарра ва сенарияҳои дохилиро фаро мегирад, инчунин имкониятҳои азнавсозии сенария, ба даст овардани маълумоти траекторияи мутахассис ва визуализатсияи натиҷаҳои арзёбиро фароҳам меорад, то ба гурӯҳҳои модел кӯмак кунад, ки омӯзиш ва арзёбии гуногунро анҷом диҳанд.
Coliseum дар асл майдони доирашакли Рими Қадимро ифода мекунад, RoboColiseum ин тасвирро ҳамчун рамз гирифта, низоми арзёбии системавии бисёрченакаро месозад ва бо арзёбии симулятсионие, ки ба иҷрои дастгоҳи воқеӣ хеле мувофиқ аст, барои моделҳои зеҳни ҷисмонӣ "майдони мусобиқа" ва "майдони омӯзиш"-и кушод, бетараф ва такроршавандаро бунёд мекунад. Ҳар донишгоҳ, муассисаи тадқиқотӣ ё таҳиягари ширкат метавонад модели худро пешниҳод кунад ва аз як "имтиҳони" стандартизишуда гузарад. Аз замони оғоз дар моҳи август, зиёда аз 100 дастаи дохилӣ ва хориҷӣ дар платформа омӯзиш ва арзёбии моделро анҷом додаанд.
RoboColiseum ҳоло барои таҳиягарони ҷаҳонӣ кушода аст ва гурӯҳҳои моделро барои иштирок дар арзёбӣ даъват мекунад.
