HomeBody-Roboter ruft GPT-6 Astra direkt auf, ohne trainierte Steuerungsschicht

Forscher von Stanford und Caltech haben HomeBody gebaut. Ein Unitree G1 navigiert damit selbstständig durch eine unbekannte Küche, räumt auf und holt Gegenstände aus Schubladen. The Decoder berichtete am Sonntag, dem 27. September, die Arbeit lasse die übliche trainierte Steuerungsschicht weg, die sonst zwischen Sprachmodell und Roboter sitzt.

Stattdessen spricht ein austauschbares Vision-Language-Modell, hier GPT-6 Astra, direkt eine erweiterbare Skill-Bibliothek an: Greifen, Navigieren, Schubladen öffnen. Der Roboter erkundet zuerst den Raum, baut einen digitalen Zwilling in Nvidias Isaac Sim und protokolliert Objekte und Positionen im räumlichen Gedächtnis. So findet er Gegenstände auch dann, wenn sie aus seinem Sichtfeld verschwunden sind, heißt es in dem Bericht. Bei Aufgaben wie „Küche aufräumen“ plant das Sprachmodell jeden Schritt und korrigiert sich bei Fehlern selbst. The Decoder nennt die Grenzen offen: die Latenz von Astra, überhitzende Fingermotoren und hohe Rechenkosten. Der Code liegt auf GitHub. Es ist nicht das erste Mal, dass GPT-6 Astra auf einen Roboter gerichtet wurde. Frühere Benchmarks zeigten deutlich besseres räumliches Denken, ein anderer meldete Sicherheitsprobleme, wenn Astra einen Roboter steuert, so The Decoder. OpenAI hat bereits Pläne angekündigt, wieder in die Robotik einzusteigen, auch für den persönlichen Gebrauch.

HomeBody erscheint zu einem Zeitpunkt, an dem sich die Forschungsprioritäten von OpenAI weiter nach außen verschieben. Boris Power, Head of Applied Research des Unternehmens, sagte am 27. September, 80 bis 90 Prozent der Forschung bei OpenAI fließen in GPT 7, GPT 8 und darüber hinaus, weil dort „der größte Teil des Werts“ herkommt.

Laut The Decoder bezeichnete Power schrittweise Aktualisierungen wie GPT 5.1 auf 5.2 als bewusst kurzfristige Wetten. Intern, so Power, „gelten sie als extrem kurzsichtig“, obwohl sie OpenAI heute schnelleres Iterieren ermöglichen. Power sagte außerdem, die größte Herausforderung bei heutigen KI-Assistenten sei nicht die Modellqualität, sondern der Einstieg: Die meisten ChatGPT-Nutzer wüssten nicht, was sie mit KI tun können. Die Lücke zwischen Laborversprechen und Produktionsnutzen zeigt sich auch anderswo. Azeem Azhar, Gründer der Forschungsgruppe Exponential View, sprach nach Angaben von The Decoder vom 26. September in Las Vegas mit etwa 160 IT-Vizepräsidenten. Auf die Frage, wer messbare KI-Ergebnisse vorweisen könne, blieben zwei Drittel stehen. Auf die Frage, wessen Ergebnisse gut genug seien, um den Sommerurlaub des CEO zu unterbrechen, standen nur noch etwa acht.

Die Stromerzeugung ist die andere Einschränkung. The Register berichtete am 25. September, dass Fervo Energy, ein Anbieter verbesserter geothermischer Systeme mit Unterstützung von Google, am Standort Cape Station im Beaver County in Utah erstmals Strom erzeugt hat. Der erste von drei GeoBlocks mit 33 MW speist Strom ins Netz ein, weitere 66 MW werden bis zum Jahreswechsel erwartet und ein halbes Gigawatt bis 2028.

CleanTechnica berichtete am 26. September, dass das US-Energieministerium am 21. September eine Förderrunde über 99 Millionen Dollar für geothermische Systeme der nächsten Generation angekündigt hat, verteilt auf 21 Projekte. Quaise Energy kann bis zu 25 Millionen Dollar für seine Schauanlage Project Obsidian im zentralen Oregon erhalten.

Nicht jedes neue Ergebnis dreht sich um Maschinen. Forscher der Tohoku-Universität berichteten am 26. September in ScienceDaily, dass das Blutvolumen im Gehirn etwa 50 Sekunden vor Beginn des REM-Schlafs zu steigen beginnt, während das neuronale ATP danach fällt. „Schon einmal nach einem lebhaften Traum völlig erschöpft aufgewacht?“, fragte Professor Ko Matsui in der Mitteilung. Der Befund legt nahe, dass Träumen Energie schneller verbraucht, als sie nachgeliefert werden kann.