Исследователи из Stanford и Caltech напрямую подключили GPT-6 Astra к роботу Unitree G1 и поручили ему убрать незнакомую кухню без заранее построенной карты помещения. Система HomeBody самостоятельно перемещалась по пространству, наводила порядок на поверхностях и доставала предметы из ящиков. Результат важен для автоматизации, поскольку проверяет, способна ли общая vision-language модель заменить специально обученный управляющий слой между языковыми командами и оборудованием.
Как HomeBody работала на незнакомой кухне
HomeBody испытали на человекоподобном роботе Unitree G1, помещенном на кухню, которую он раньше не видел. Задание включало обычную домашнюю работу: перемещение по комнате, уборку разбросанных предметов и поиск конкретных вещей в ящиках. Специального обучения под это помещение не проводилось, робот опирался на собственное обследование пространства. Исследователи выложили код на GitHub, поэтому другие команды могут изучить и воспроизвести систему. Проект представлен как очередная проверка способности GPT-6 Astra управлять физическим роботом вне жесткого сценария.
Конструкция исключает привычный обучаемый управляющий слой между моделью и машиной. Вместо него сменная vision-language модель, в этом случае GPT Astra, напрямую обращается к расширяемой библиотеке навыков: захват предметов, навигация и открывание ящиков. Перед действиями робот обследует кухню и строит цифрового двойника в Nvidia Isaac Sim, затем фиксирует объекты и позиции в пространственной памяти. Такая память позволяет находить предметы, даже когда они выходят из поля зрения. При общей команде вроде «навести порядок на кухне» языковая модель делит задачу на шаги, выполняет их по очереди и исправляет себя при неудачном действии.
Эксперимент появился на фоне двух более ранних сигналов вокруг Astra. Один бенчмарк указал на заметно улучшенное пространственное мышление, которое необходимо для поиска и обработки предметов в захламленной комнате. Другой тест выявил проблемы безопасности при управлении роботом через Astra, поэтому вопросы надзора и обработки сбоев сохраняют актуальность. OpenAI уже анонсировала планы вернуться в робототехнику, включая системы для личного использования. Вместе эти факты объясняют, почему университетские лаборатории сейчас проверяют, как далеко общая модель может зайти без специального промежуточного ПО.
Что это меняет для автоматизации в бизнесе
Для компаний, автоматизирующих физические операции, практический смысл в более коротком пути от команды к действию. Если навигация, захват и открывание ящиков оформлены как вызываемые навыки, складская команда, клиника или небольшой отель смогут ставить задачу роботу обычными словами, а не заказывать новую управляющую программу под каждое помещение. Крупные компании получают более быстрое тиражирование между площадками, а небольшие — доступ к робототехнике без профильного отдела. Публикация на GitHub поддерживает эту логику, позволяя штатным инженерам оценить архитектуру и трудоемкость интеграции до покупки оборудования.
У такого подхода есть понятные ограничения, которые следует заложить в расчет. Исследователи называют задержки отклика Astra, перегрев сервоприводов пальцев на стороне железа и высокие затраты на вычисления. Задержки влияют на скорость реакции в общих помещениях, перегрев ограничивает длительные циклы захвата, а вычисления определяют стоимость часа работы. Сама новость не доказывает надежность в разных кухнях, при разном освещении и уровне беспорядка. Перед пилотом у поставщика следует спросить о частоте ошибок, поведении при сбое, обработке данных сканирования помещений и точном наборе навыков для конкретной модели робота.
Показательным признаком станет то, сможет ли тот же подход HomeBody работать в новых помещениях без изменения кода при меньших задержках и затратах. Движение OpenAI в сторону персональной робототехники и независимые воспроизведения кода с GitHub покажут, переносится ли метод. Если коррекция ошибок сохранится за пределами демонстрационной кухни, прямую связку модели и навыков можно будет рассматривать как вариант для закупок, а не только как лабораторный показ.
