GPT-6 Astra открива грешки при сглобяване на мебели от IKEA: Нова граница за визуално-пространствения интелект
Снимка: The Decoder / IKEA-Assembly-QA Benchmark
Специализиран научен тест за пространствено мислене, разработен от независими академични изследователи, демонстрира забележителен пробив във възможностите на мултимодалния модел GPT-6 Astra на OpenAI [1]. Оказва се, че невронната мрежа може само от една любителска снимка от смартфон да определи с точност до милиметър къде потребителят е сгрешил при сглобяването на сложна мебел от IKEA [1].
Тестът, наречен IKEA-Assembly-QA, оценява способността на алгоритмите за компютърно зрение да разпознават обърнати плоскости, неправилно ориентирани метални релси и липсващи фиксиращи винтове, сравнявайки снимката с официалните схематични инструкции на производителя [1]. GPT-6 Astra постигна впечатляваща точност от 91.3%, надминавайки резултатите на повечето непрофесионални хора [1].
Инфографика: Светни.ме
От плоски пиксели към дълбоко 3D пространствено разбиране
Основната трудност при подобни задачи е извличането на обемни триизмерни геометрични взаимовръзки от плоска двуизмерна фотография, заснета при лошо осветление и нестандартен ъгъл [1]. Astra не просто открива дефекта, но и генерира подробна визуална карта, показваща точно кои елементи трябва да бъдат разглобени и как да се коригира последователността на монтажа [1].
„Това е качествен скок от разпознаването на образи към истинско механично и инженерно разбиране на материалния свят“, посочват авторите на новите бенчмаркове [1]. Моделът съумява да съпостави скритите отвори за винтове с техническата скица и да прогнозира дали готовата конструкция ще бъде стабилна [1].
Приложение в индустрията и битовата роботика
Успехът на теста има огромно значение за бъдещето на добавената реалност (AR) и битовите помощници [1]. Технологията може директно да бъде интегрирана в умни очила, които в реално време да показват на потребителя стрелки и предупреждения по време на ремонтни дейности, както и да послужи като софтуерен мозък за индустриални роботи при сглобяване на сложни технически детайли във фабриките [1].
Източници:
[1]: OpenAI's GPT-6 Astra can now tell you exactly where you screwed up your IKEA shelf - The Decoder