StartseiteArtikel

OpenAI hat Liang Wenfengs "Prophezeiung" bestätigt.

字母AI2026-11-19 19:14
OpenAI löst sein Roboterteam auf – tötet das Generalmodell die vertikalen Modelle?

GPT-6.2 Astra hat bei Tests mit echten Roboterarmen die Spitzenposition erreicht, und die Fähigkeit allgemeiner großer Modelle, Roboter direkt anzusteuern, ist einen weiteren Schritt vorangekommen.

Laut der Rangliste AA-Robotics v0.1, die von der unabhängigen Bewertungsstelle Artificial Analysis veröffentlicht wurde, erzielte GPT-6.2 Astra einen Wert von 79 und erledigte 6 von 8 physischen Aufgaben.

Nicht nur das Flaggschiffmodell von OpenAI, sondern auch das vergleichsweise leistungsschwächere GPT-6.2 Sol erreichte eine hohe Punktzahl von 78.

Bei diesem Benchmark-Test durften die Modelle kein spezialisiertes Training erhalten, und es wurde durchgehend eine Null-Shot-Einstellung angewendet. Die Modelle steuerten einen 6-Achsen-Roboterarm direkt durch das Schreiben von Code, um echte Objekte zu bewegen.

In der Vergangenheit waren Roboterhersteller allgemein der Ansicht, dass vertikale Robotermodelle Vorteile bei der Roboteranpassung, Kraftsteuerung und anderen Aspekten bieten und besser für Roboter geeignet sind als allgemeine Modelle.

Heute scheint es, dass mit der Entwicklung allgemeiner Modelle diese nach der Leistungsiteration möglicherweise die Position vertikaler Modelle ersetzen werden.

Liang Wenfeng hat ebenfalls eine ähnliche Ansicht geäußert. Seiner Meinung nach können Durchbrüche in der Embodied Intelligence auf der Grundlage der fortwährenden Weiterentwicklung der Fähigkeiten allgemeiner Modelle aufbauen.

In Liangs Entwicklungsweg für KI ist die Leistungsentwicklung des allgemeinen Modells selbst die Hauptlinie auf dem Weg zur AGI, und die Embodied Intelligence ist die Erweiterung dieser Linie.

1

Am 13. November berichteten ausländische Medien, dass OpenAI sein unabhängiges Roboterteam aufgelöst hat, das ursprüngliche Roboterteam in das Hauptforschungsunternehmen des Unternehmens integriert und die Anwendungsroboter- und Hardwareteams anderen Abteilungen zugewiesen wurden.

OpenAI bestätigte den Medien gegenüber, dass der Grund für die Anpassung darin liegt, dass allgemeine Modelle bei der Steuerung von Robotern hervorragende Leistungen erbringen.

Forscher haben festgestellt, dass GPT-6 Astra nach der Verbindung mit einem Roboter bereits an der Ausführung einiger spezifischer Aufgaben teilnehmen kann und die Ergebnisse überraschend gut sind.

Tatsächlich gab es nach der Veröffentlichung von GPT-6 Astra bereits eine Reihe von Versuchen, Roboter mit Astra anzusteuern. Beispielsweise zeigten praktische Tests der unabhängigen Bewertungsstelle Robocurve, dass Astra bei der Aufgabe, Blöcke zu greifen und in eine Schüssel zu legen, mit einem zweiachsigen Roboterarm eine Erfolgsrate von 95 % erzielte.

Diese Art von Experimenten liefert mehr praktische Grundlagen für die Steuerung von Robotern durch allgemeine Modelle. Vor diesem Hintergrund hat OpenAI das unabhängige Roboterteam, das weniger als ein halbes Jahr bestand, in das Hauptforschungsinstitut integriert, und die Forscher widmen sich nun der Entwicklung allgemeiner künstlicher Intelligenzmodelle.

Das bedeutet, dass OpenAI einen neuen technischen Weg eingeschlagen hat: Da allgemeine Modelle bereits begonnen haben, Roboter zu steuern, muss kein separates spezialisiertes „räumliches Intelligenz“-Modell für Roboter entwickelt werden.

Tatsächlich ist dies nicht die erste Richtungsänderung von OpenAI auf dem technischen Weg der Robotertechnik.

Bereits 2019 gründete OpenAI ein Roboterteam, das durch Methoden wie Reinforcement Learning versuchte, Roboter Aufgaben wie das Greifen und Platzieren von Objekten beizubringen. Doch 2020 wurde dieses Team aufgelöst.

Sein Mitbegründer Wojciech Zaremba erklärte damals, dass die Datenmenge für Roboter begrenzt ist und AGI durch andere Methoden effizienter erreicht werden kann. Später konzentrierte sich OpenAI auf große Sprachmodelle und veröffentlichte 2022 ChatGPT.

Mit der Entwicklung multimodaler Modelle richtete OpenAI seinen Fokus wieder auf Roboter.

2024 arbeitete OpenAI mit dem humanoiden Roboterunternehmen Figure AI zusammen, um die Fähigkeiten großer Modelle auf Roboter anzuwenden.

Damals sagte Peter Welinder, Vizepräsident von OpenAI, dass die Zusammenarbeit mit Figure darauf abzielt, zu erforschen, welches Intelligenzniveau humanoide Roboter mit Unterstützung großer multimodaler KI-Modelle erreichen können.

Später zeigte das von Figure AI veröffentlichte Demonstrationsvideo von Figure 01, dass der Roboter einfache Aufgaben der Objektzustellung nach menschlichen Anweisungen erledigen kann. Bei dieser Zusammenarbeit lieferte das Modell von OpenAI Fähigkeiten für visuelles Verständnis und Sprachinteraktion.

Doch nur ein Jahr später kündigte Figure AI das Ende der Zusammenarbeit an und wandte sich der unabhängigen Entwicklung von Roboter-KI zu.

OpenAI gab seine Ambitionen für Roboter jedoch nicht auf. Anfang 2026 begannen die Forscher von OpenAI, einen anderen technischen Weg zu erforschen: die Forschung ausgehend von Videogenerierungsmodellen wie Sora.

Als Videogenerierungsmodell ist Sora in der Lage, die Beziehungen zwischen Objekten, Räumen und Bewegungen zu verstehen und verfügt über ein gewisses Verständnis für die Funktionsweise der physischen Welt.

Die Umorientierung von OpenAI ist kein Einzelfall. Anfang 2025 war das VLA-Modell der Mainstream-Weg der Embodied Intelligence. Gegen Ende des Jahres, als die Mängel von VLA bei der Generalisierung über verschiedene Szenen hinweg sichtbar wurden, begann die Branche, ihren Fokus auf Weltmodelle zu richten.

Dieses Jahr im Juni, zwei Monate nach der Einstellung von Sora, kündigte Sam Altman die Gründung der Roboterabteilung „OpenAI Robotics“ an, die das gesamte Sora-Team in die Roboterentwicklung überführt. Unter der Leitung von Aditya Ramesh, dem Vater von Sora und Gründer von DALL-E, wird die von Sora angesammelte Welt-Simulationstechnologie auf das Roboter-Training übertragen. Kurzfristig konzentriert sich das Unternehmen auf industrielle Unterstützungsroboter, langfristig auf konsumertaugliche humanoide Roboter.

Doch dieser Weg änderte sich bald wieder.

Nur drei Monate nach der Gründung dieser Abteilung veröffentlichte OpenAI im September dieses Jahres GPT-6 Astra. OpenAI stellte fest, dass das allgemeine Modell selbst bereits an Roboteraufgaben teilnehmen kann. Im Vergleich zur spezialisierten Forschung an Welt-Simulationstechnologie für Roboter kann auch die direkte Nutzung der vorhandenen Fähigkeiten des allgemeinen Modells für visuelles Verständnis, Schlussfolgerung und Aufgabenplanung zu einem gangbaren Weg führen.

Guanya Shi, Assistenzprofessor am Robotik-Institut der Carnegie Mellon University, bewertete dies so: Das bedeutet, dass OpenAI der Ansicht ist, dass Robotertechnik „kein spezielles Problem mehr ist“.

Nach einer Rundreise auf dem Weg der Robotertechnik richtete OpenAI seinen Fokus wieder auf allgemeine Modelle.

2

Die Veränderungen bei OpenAI sind kein Einzelfall. Die Leistung allgemeiner Modelle bei Roboteraufgaben lässt die Branche diesen technischen Weg prüfen.

Die im Oktober von NVIDIA veröffentlichte Astranomy-Forschung nutzt GPT-6 Astra direkt zur Steuerung von Simulationsrobotern. Beim RoboLab-120-Test erzielte das direkte Steuerungsschema eine Aufgabenerfolgsrate von 66,3 %.

Deepu Talla, Leiter der Roboterabteilung von NVIDIA, sagte kürzlich in einem Interview, dass das Erscheinen von GPT-6 Astra ein großer Durchbruch ist, der Roboter mit Fähigkeiten zur Mehrzweckaufgabenverarbeitung ausstattet.

Das von Anthropic veröffentlichte Claude Fable 5.2 zeigt ähnliche Fähigkeiten. Das Modell steuerte Roboter zur Erledigung verschiedener Aufgaben, wie das Lösen eines Zauberwürfels, das Aufschrauben von Flaschenverschlüssen und das Malen von Roboterabbildungen. Im Simulationsbenchmark RoboDojo Sim erreichte Fable 5.2 eine durchschnittliche Erfolgsrate von 64,9 %, während das Ergebnis von GPT-6 Astra im gleichen Testrahmen 29,8 % betrug.

Obwohl dieser technische Weg noch nicht ausgereift ist, zeigt er zumindest, dass allgemeine Modelle zu einem lohnenswerten Ansatz in der Forschung zur Embodied Intelligence werden.

In China verfolgen auch Roboterunternehmen diese Veränderung.

Unitree erforscht derzeit den Weg, große Modelle für Roboter einzusetzen. Wang Xingxing sagte sogar direkt: „Wenn GPT-7 nächstes Jahr herauskommt, könnte es das Problem der Embodied Intelligence direkt vollständig lösen.“

Zuvor trieb Unitree sowohl die Entwicklung von VLA-Modellen voran als auch Weltmodelle erforschte. Wang Xingxing erwähnte, dass Unitree letztes Jahr wieder Weltmodelle auf Basis von Videogenerierung aufgegriffen hat. Unitree hat das allgemeine VLA-Modell UnifoLM-VLA-0 sowie das WMA-Modell (Weltmodell-Aktion) veröffentlicht.

Doch kürzlich hat Unitree wieder begonnen, GPT-6 Astra für Roboterversuche einzusetzen.

Wang Xingxing erwähnte, dass der Roboter Malaufgaben nur durch Prompts erledigen kann, ohne dass vorher komplexe Programme geschrieben werden; außerdem kann der Roboter nicht nur das Schachbrett erkennen, sondern auch die Schachfiguren präzise an den entsprechenden Stellen platzieren. Wang betonte, dass alle diese Experimente unter der Bedingung von „Null-Training“ durchgeführt wurden.

Agibot erforscht ebenfalls eine ähnliche Richtung.

Kürzlich veröffentlichte das Team von Zhihui Jun ein Forschungspapier, dessen Kern darin besteht, das gesprächsfähige große Modell mit dem Roboter-Körper zu verbinden, der Aktionen ausführen kann. Das Modell kann nicht nur sprachliche Anweisungen verstehen, sondern auch den Roboter-Körper anweisen, Aufgaben wie das Zeigen auf echte Objekte, Körperbewegungen und Gesichtsausdrücke auszuführen.

Das bedeutet, dass Roboterunternehmen versuchen, die Fähigkeiten allgemeiner großer Modelle in den Roboter-Körper zu integrieren, um die Entwicklung der Embodied Intelligence voranzutreiben.

Dies gibt der früheren Einschätzung von Liang Wenfeng neue Referenzpunkte.

Als Weltmodelle zu einem beliebten Forschungsbereich in der Embodied Intelligence wurden, verhielt sich Liang Wenfeng relativ zurückhaltend gegenüber diesem technischen Weg. Er legt mehr Wert auf die Leistungsentwicklung des allgemeinen Modells selbst und betrachtet sie als Hauptlinie auf dem Weg zur AGI.

In Liangs Vorstellung des KI-Entwicklungswegs soll nach Agenten zuerst die Fähigkeit des fortwährenden Lernens von KI-Modellen gelöst werden, bevor der Punkt der selbstständigen Iteration erreicht wird – erst danach kommt die Embodied Intelligence.

Mit anderen Worten: Er möchte das allgemeine Modell selbst zuerst ausreichend stark machen, bevor diese Fähigkeit auf die physische Welt ausgeweitet wird.

Dies weist eine gewisse Ähnlichkeit mit der jüngsten Anpassung von OpenAI auf. Beide gehen von der Annahme aus, dass Embodied Intelligence nicht unbedingt ein unabhängiges Roboterintelligenzmodell erfordert, das von Grund auf trainiert wird. Die Weiterentwicklung der Fähigkeiten allgemeiner Modelle kann ebenfalls ein Weg für Roboter zur Embodied Intelligence sein.

Darüber hinaus sind beide Unternehmen nicht nur auf Modellebene tätig.

Während OpenAI sein Robotergeschäft anpasste, hat es in mehrere Roboterunternehmen investiert. DeepSeek begann ebenfalls, sich in den Bereich der Embodied Intelligence auszudehnen, beteiligte sich an der Platzierung von Aktien von Unitree, schloss eine dreijährige strategische Zusammenarbeit mit Unitree und investierte in Unternehmen wie Winverse AI und Ligewanwu.

3

Die Integration allgemeiner großer Modelle in Roboter wird zu einem neuen Trend, was jedoch nicht bedeutet, dass VLA-Modelle und Weltmodelle nun ausscheiden.

In den letzten Jahren hat der Mainstream-technische Weg der Embodied Intelligence mehrere Veränderungen durchlaufen: von VLA-Modellen über Weltmodelle bis hin zu allgemeinen großen Modellen. Doch nie hat ein Modell ein anderes vollständig ersetzt.

Das erste Modell, das Aufmerksamkeit erregte, war das VLA-Modell. Das sogenannte VLA (Visuelles-Sprach-Aktions-Modell) lässt sich einfach so beschreiben: Das Modell verarbeitet gleichzeitig Kamerabilder und menschliche Anweisungen und wandelt die verstandenen Ergebnisse in Roboteraktionen um.

Das Aufkommen dieses Wegs hängt mit dem Entwicklungsstadium großer Modelle zu dieser Zeit zusammen. Damals verfügten große Modelle über gewisse Fähigkeiten zum Sprach- und Bildverständnis, konnten Roboter aber noch nicht direkt steuern. Die Datenmenge für Roboter selbst war begrenzt, und es war schwierig, ein Roboter-Modell von Grund auf zu trainieren.

Im Juli 2023 veröffentlichte Google DeepMind das VLA-Modell RT-2, das aus Daten aus dem Internet und von Robotern lernen und dieses Wissen in allgemeine Anweisungen zur Robotersteuerung umwandeln kann.

Der VLA-Ansatz lieferte damals eine praktikable Lösung. Doch VLA fehlt es an Generalisierungsfähigkeit und Autonomie, sodass Roboter nicht an komplexe reale Umgebungen angepasst werden können.

In der realen physischen Welt müssen Roboter mit fortwährenden physischen Veränderungen umgehen. Sie müssen nicht nur wissen, was sie jetzt tun sollen, sondern auch beurteilen, welche Veränderungen in der Welt nach dieser Aktion eintreten werden.

Daher waren Hersteller nach dem Erscheinen von Videogenerierungsmodellen allgemein der Ansicht, dass Videogenerierungsmodelle das Potenzial haben, VLA-Modelle zu ersetzen.

Im Februar 2024 veröffentlichte OpenAI Sora und stellte im technischen Bericht fest, dass groß angelegtes Videotraining ein Weg zum Aufbau eines Simulators für die physische Welt ist.

Im Internet gibt es eine große Menge an Videos menschlicher Aktivitäten. Wie Menschen Dinge greifen, transportieren, gehen und Gegenstände ordnen, ist alles in Videos aufgezeichnet. Wenn Modelle aus diesen Videos über Bewegungen von Objekten, räumliche Beziehungen und Folgen von Aktionen lernen können, besteht die Möglichkeit, diese Fähigkeit auf Roboter zu übertragen.

Doch Videogenerierung bedeutet nicht, dass Roboter gesteuert werden können. Daher begann die Branche, die Kombination von Weltvorhersage und Aktionsgenerierung zu versuchen, um Welt-Aktions-Modelle (WAM) zu bilden.

Mit anderen Worten: VLA konzentriert sich auf die Abbildung von Beobachtungen zu Aktionen, während das Welt-Aktions-Modell versucht, die Vorhersage der Zukunft in die Aktionsentscheidung einzubeziehen.

Doch Weltmodelle stehen noch vor vielen Problemen, und die simulierten physischen Prozesse lassen sich nicht unbedingt genau in der realen Umgebung nachbilden.

Erst nach dem Erscheinen von Astra begann die Branche, eine weitere Möglichkeit zu erforschen: Können allgemeine große Modelle direkt die Aufgabenverständnis-, Planungs- und Entscheidungsfunktionen für Roboter übernehmen?

Das von einem Team der Stanford-Universität in Zusammenarbeit mit dem California Institute of Technology veröffentlichte Forschungsprojekt zur Embodied Intelligence namens HomeBody liefert ein Beispiel. Diese Forschung versucht, die Frage zu beantworten: Wenn ein allgemeines großes Modell intelligent genug ist, brauchen Roboter dann noch ein VLA-Modell als Zwischenschicht zwischen dem großen Modell und dem Körper?

Die Antwort von HomeBody lautet: Innerhalb eines bestimmten Aufgabenbereichs ist dies nicht erforderlich.

Nachdem die Forscher GPT