OpenAI реорганизовала команду робототехники: исследователей перевели в другие подразделения

OpenAI реорганизовала команду робототехники: исследователей перевели в другие подразделения

OpenAI реорганизовала команду робототехники. Исследователи переходят в основную исследовательскую команду под руководством директора по исследованиям (Chief Research Officer) Марка Чена, а прикладные команды по робототехнике и аппаратному обеспечению входят в организацию Applied, которую возглавляет Грег Брокман. Издание The Decoder сначала написало, что компания «по всей видимости, снова распускает» робототехническую команду, но потом обновило материал: OpenAI пояснила, что перестроила команду, чтобы работать теснее с исследованиями и продуктом, и что работа над робототехникой продолжается. Дату реорганизации, число переведённых сотрудников и сведения об уходах или сокращениях источник не называет.

По данным Fortune, которые пересказывает The Decoder, решение приняли так внезапно, что OpenAI уже забронировала стенд на конференции Conference on Robot Learning (CoRL) в Остине, и он остался пустым. The Decoder считает, что OpenAI, по-видимому, исходит из того, что универсальные модели вроде GPT-6 Astra способны управлять роботами напрямую, а значит, потребность в специализированных робототехнических моделях снижается. Это вывод издания, а не заявление OpenAI.

В пользу такого подхода приводятся результаты тестов. В исследовании Nvidia агент на основе Astra справился с симулированными робототехническими задачами в 74,8 % случаев, а лучшие специализированные модели, в 51 %. Тесты шли на симулированном роботе DROID, не на физическом. В новом бенчмарке StationeryBench GPT-6 Astra сравнили с моделью MolmoAct2 от Ai2 на пяти задачах с предметами на столе на двухруких роботизированных манипуляторах YAM. По тексту источника, за 200 испытаний Astra полностью выполнила 7 задач из 100, а MolmoAct2 не выполнила ни одной; средний балл прогресса, 46 у Astra против 12 у MolmoAct2 (шкала в источнике не указана). В другом тесте Astra на человекоподобном роботе перемещалась по кухне и убирала её.

Неясно, сколько данных по робототехнике OpenAI и другие компании использовали при обучении. Крупные универсальные модели Anthropic и Google тоже недавно продвинулись в задачах робототехники. Специализированные модели могут сохранять преимущества в стоимости, надёжности, скорости и энергопотреблении, даже если хуже обобщают. Йоав Арци (Yoav Artzi), исследователь ИИ из Корнеллского университета и Google DeepMind, видит в Astra большой скачок в понимании пространства: на ещё не опубликованном бенчмарке REMAP модель, по его словам, достигает точности, близкой к человеческой. Он предполагает, что OpenAI могла обучать модель на большом объёме трёхмерных данных, например сценах из Blender.

История отношений OpenAI с роботами непростая. Компания закрыла робототехническое направление в 2020 году: по словам сооснователя Войцеха Зарембы, не хватало нужных обучающих данных, а большие языковые модели были более быстрым путём к AGI. В 2024 году команду собрали заново. По сообщениям, генеральный директор Сэм Альтман нацелен на первую публичную демонстрацию робота в 2027 году, а в долгосрочной перспективе OpenAI хочет делать собственных бытовых роботов. Но компания находится и под сильным финансовым давлением, которое заставляет сосредоточиться на основном ИИ-бизнесе, где она заметно уступила позиции Anthropic.

Ключевые факты

  • Исследователи робототехники OpenAI переходят в основную исследовательскую команду Марка Чена, а прикладные команды по роботам и аппаратуре, в организацию Applied Грега Брокмана.
  • The Decoder сначала написало о роспуске команды, затем обновило текст: по словам OpenAI, работа над робототехникой продолжается.
  • В исследовании Nvidia агент на основе GPT-6 Astra справился с 74,8 % симулированных задач против 51 % у лучших специализированных моделей (симулированный робот DROID).
  • В бенчмарке StationeryBench Astra получила средний балл прогресса 46 против 12 у MolmoAct2 от Ai2; цифры выполнения задач в источнике внутренне неоднозначны (200 испытаний, «7 из 100 задач»).
  • OpenAI закрывала робототехнику в 2020 году и пересобрала команду в 2024-м; по сообщениям, Альтман нацелен на публичную демонстрацию робота в 2027 году.

Почему это важно

Реорганизация показывает, как OpenAI может смотреть на роботов: вместо отдельной команды с узкими моделями, исследователи внутри основной исследовательской группы и прикладные команды внутри Applied. По оценке The Decoder, компания, по-видимому, считает, что универсальные модели вроде GPT-6 Astra способны управлять роботами напрямую и снижают потребность в специализированных робототехнических моделях. Это вывод издания, а не заявление OpenAI. Для рынка робототехники это возможный сигнал в пользу универсальных моделей, но пока подкреплённый в основном симуляциями и ранними бенчмарками.

Кому это важно

Командам, которые разрабатывают специализированные модели управления роботами, и тем, кто выбирает между узкими и универсальными моделями для робототехнических проектов. Также материал интересен тем, кто следит за стратегией OpenAI: компания рассматривает собственных бытовых роботов в долгосрочной перспективе, а Сэм Альтман, по сообщениям, нацелен на первую публичную демонстрацию в 2027 году.

Как это применить

Прямого практического применения у новости нет: это сообщение о перестановках в компании и о тестах модели, а не о выходе продукта. Полезно запомнить сравнение подходов: универсальные модели лучше обобщают, а специализированные могут выигрывать в стоимости, надёжности, скорости и энергопотреблении. При выборе подхода для своей задачи стоит проверять это на собственных данных, а не на чужих симуляциях.

Можно ли доверять

Материал, пересказ The Decoder, которое опирается на отчёт Fortune и на сторонние тесты. Само издание уже исправило первое утверждение о роспуске команды после пояснения OpenAI; текст этого пояснения в источнике пересказан, а не процитирован. Вывод о том, что OpenAI считает универсальные модели достаточными для управления роботами, дан с оговоркой «по-видимому». Исследование Nvidia проведено на симулированном роботе; авторы исследования в источнике не названы и сведений о рецензировании нет. У StationeryBench не указан автор, цифры в источнике выглядят непоследовательно (200 испытаний, но «7 из 100 задач»), а шкала балла прогресса не дана. Бенчмарк REMAP не опубликован, а предположение Арци об обучении на трёхмерных данных, его догадка, не подтверждённый факт.

Риски и подводные камни

Результаты в симуляции не гарантируют того же на физических роботах: тесты Nvidia шли на симулированном DROID. Неясно, сколько робототехнических данных использовали при обучении, поэтому нельзя сказать, насколько успех объясняется именно универсальностью модели. В StationeryBench Astra полностью выполнила лишь малую часть задач, хотя и опередила MolmoAct2, который не выполнил ни одной. Наконец, на планы OpenAI давит необходимость сосредоточиться на основном ИИ-бизнесе, где компания, по оценке The Decoder, заметно уступила позиции Anthropic, а сроки демонстрации робота в 2027 году известны лишь из сообщений.