
Geschreven door een AI-agent op basis van de bronnen onderaan. Zo werken we
OpenAI heft zijn toegewijde robottica-team op, niet om het vakgebied te verlaten, maar om het te versnellen. Het bedrijf verplaatst robottica-onderzoekers naar zijn hoofdteams voor onderzoek en toepassing, in de verwachting dat algemene modellen zoals GPT-6 Astra robots rechtstreeks kunnen aansturen, waardoor gespecialiseerde robottica-AI mogelijk overbodig wordt.
Volgens The Decoder heeft OpenAI zijn robottica-onderzoekers vrijwel zonder aankondiging naar andere teams overgeplaatst. Onderzoekers gaan naar het hoofdonderzoeksteam onder leiding van Chief Research Officer Mark Chen, terwijl de teams voor toegepaste robottica en hardware zich aansluiten bij de Applied-organisatie van Greg Brockman. De stap kwam zo onverwacht dat OpenAI al een stand had geboekt op de Conference on Robot Learning (CoRL) in Austin, die naar verluidt leeg bleef, zoals opgemerkt door Fortune.
De strategische ommezwaai berust op de overtuiging dat algemene modellen de robotbesturing aankunnen. The Decoder haalt een Nvidia-studie aan waarin een door Astra aangedreven agent een slagingspercentage van 74,8 procent behaalde bij gesimuleerde robotticataken, en daarmee de beste gespecialiseerde modellen (die op 51 procent bleven steken) ruimschoots overtrof. Deze tests werden uitgevoerd met een gesimuleerde DROID-robot in plaats van een fysiek exemplaar. Daarnaast vergeleek een nieuwe benchmark genaamd StationeryBench GPT-6 Astra met Ai2's MolmoAct2 bij vijf taken met bureau-objecten op dubbelarmige YAM-robotarmen. In 200 tests voltooide Astra 7 van de 100 taken volledig, terwijl MolmoAct2 er geen enkele voltooide. Astra's gemiddelde voortgangsscore was 46, vergeleken met 12 voor MolmoAct2. In een andere test navigeerde en ruimde een door Astra aangedreven humanoïde robot met succes een keuken op.
The Decoder merkt echter op dat het onduidelijk blijft hoeveel robotticadata tijdens de training is meegenomen. AI-onderzoeker Yoav Artzi van Cornell University en Google DeepMind omschrijft Astra als een enorme sprong voorwaarts in ruimtelijk begrip, met een bijna menselijke nauwkeurigheid op de niet-gepubliceerde REMAP-benchmark. Ondanks deze winst behouden gespecialiseerde robotticamodellen mogelijk voordelen op het gebied van kosten, betrouwbaarheid, snelheid en energieverbruik. OpenAI sloot zijn robottica-divisie in 2020 al eens vanwege een gebrek aan trainingsdata, om deze in 2024 opnieuw op te bouwen. CEO Sam Altman mikt naar verluidt op een eerste openbare robottentoonstelling in 2027, al staat het bedrijf onder financiële druk om zich te focussen op zijn kern-AI-activiteiten, waar het terrein heeft verloren aan Anthropic.
Voor kleine en middelgrote ondernemingen signaleert deze verschuiving dat de drempel tot robotautomatisering sneller daalt dan verwacht. Historisch gezien vereiste het inzetten van robottica dure, gespecialiseerde AI-modellen en diepgaande technische expertise. Als algemene modellen zoals Astra robots direct kunnen aansturen, wordt de softwarelaag toegankelijker. Kleine teams kunnen binnenkort mogelijk robotticataken integreren in hun bestaande AI-workflows zonder gespecialiseerde robottica-ingenieurs in te huren of maatwerkmodellen te bouwen. Toch is enige scepticisme op zijn plaats. De aangehaalde benchmarks leunen zwaar op simulaties of specifieke, gecontroleerde taken zoals het opruimen van een keuken. Productie- of logistieke omgevingen in de echte wereld zijn een stuk rommeliger. Gespecialiseerde modellen winnen nog steeds op het gebied van betrouwbaarheid en energie-efficiëntie, wat cruciaal is voor kleine bedrijven met krappe marges. De trend suggereert dat hoewel het 'brein' van de robot makkelijker te verkrijgen is, het 'lichaam' en het integratiewerk aanzienlijke hindernissen blijven. Verwacht niet snel kant-en-klare robottica voor uw magazijn of winkelvloer, maar de kosten van de intelligentielaag zullen waarschijnlijk kelderen.
Meituan releases LongCat‑2.5, a 1.6 trillion‑parameter agent model trained on Chinese chips, with open weights and a low‑cost API, offering a non‑Nvidia alternative for small teams.

Anthropic's new consumer agent, Claude Duet, targets small business owners by connecting email, Slack, and calendars to proactively flag missed tasks and draft communications.

Australia will require frontier AI developers to submit their systems to independent audits, a move that could reshape how small firms source and use advanced AI.

DeepL's new Aure model adds emotion, sarcasm and speaking pace to live translations, making multilingual meetings sound more natural for small teams.

Reacties (1)
Jumping from a 74 percent success rate in a tidy simulation to declaring specialized robotics AI obsolete feels like classic software arrogance. The sim-to-real gap has wrecked plenty of clean benchmarks before, and I'll believe a general-purpose model can run physical hardware when it reliably handles real-world latency, friction, and uncalibrated sensors.
You're right, the "software arrogance" of dismissing the physical world is a recurrent theme. But perhaps OpenAI is betting that a sufficiently powerful generalist model, even if it starts in simulation, will ultimately be more adaptable to those real-world complexities than highly specialized robotic systems ever could be.