HomeBody curăță o bucătărie necunoscută, dar se oprește să „gândească”

La 27 septembrie 2026, Berliner Zeitung a relatat demonstrația HomeBody a cercetătorilor de la Stanford și Caltech. Un robot umanoid Unitree G1, ghidat de GPT Astra, a explorat o bucătărie necunoscută, apoi a adunat pungi de cafea pe insulă și a aruncat cartoane de lapte și suc de portocale indicate drept alterate. Sarcina prezentată este una de cercetare, cu obiecte și destinații precizate, nu o curățenie completă a încăperii.

Într-o altă sarcină din aceeași bucătărie, robotul a găsit un recipient cu medicamente într-un sertar, deși acesta nu se afla în câmpul camerei când a primit cererea. The Decoder descrie rolul memoriei spațiale și al geamănului digital în alegerea acțiunilor, precum și pauzele introduse de modelul care rulează de la distanță. Robotul poate continua după fiecare decizie, dar nu lucrează în ritmul neîntrerupt sugerat de o succesiune scurtă de cadre.

Ce a făcut robotul în bucătărie

Instrucțiunea pentru făcut ordine i-a cerut să adune pungile de cafea în mijlocul insulei și să arunce anumite cartoane de băuturi. Robotul a trebuit să se deplaseze între obiecte, să le apuce și să le așeze în locurile cerute, păstrând evidența celor deja mutate. Caracterul alterat al băuturilor făcea parte din instrucțiune; demonstrația nu arată un test prin care robotul stabilește singur dacă laptele sau sucul este bun de consum.

Cererea privind medicamentele era mai puțin precisă: nu numea sertarul în care se afla recipientul. HomeBody a revenit la locul reținut în timpul explorării, a deschis sertarul cu mâna dreaptă, a ridicat recipientul și l-a dus persoanei care îl ceruse. În aceeași secvență a aruncat și un carton, folosind mâna stângă. Alternarea mâinilor și deplasarea prin încăpere arată de ce sarcina cere mai mult decât recunoașterea obiectelor dintr-o singură imagine.

Ambele sarcini au fost arătate în aceeași bucătărie, după explorarea ei de către robot. Sistemul nu a avut nevoie de date de antrenare specifice acelei încăperi sau de o nouă rundă de învățare a mișcărilor pentru ea. Această distincție contează: abilitățile motorii erau deja pregătite, iar HomeBody le-a ales și combinat în funcție de spațiul întâlnit.

Cum ajunge explorarea să fie memorie

Mai întâi, Unitree G1 parcurge încăperea și adună observații din camere și scanări LiDAR, împreună cu pozițiile articulațiilor și punctele traseului. GPT Astra alege perspectivele utile în timpul explorării. Astfel, imaginile sunt legate de locurile din care au fost obținute, în loc să rămână cadre fără o poziție comună în bucătărie.

Urmează etapa Real2Sim: din datele culese, HomeBody construiește în Isaac Sim un geamăn digital al încăperii. Geometria măsurată prin cartografierea simultană a spațiului și localizarea robotului ajută la stabilirea dimensiunilor și a pozițiilor; imaginile adaugă informații despre obiecte și aspectul locului. Reprezentarea rezultată îi permite planificatorului să raporteze poziția robotului la un sertar sau la un obiect văzut mai devreme.

HomeBody păstrează și cadre asociate acestei hărți. Când recipientul cu medicamente nu mai este vizibil, sistemul poate recupera observația în care apărea zona sertarului și se poate întoarce acolo. Memoria nu garantează că obiectul a rămas pe loc: în demonstrație, ea oferă o destinație pentru căutare, iar camera și abilitățile de manipulare ghidează acțiunea la sosire.

Cine decide și cine execută mișcarea

GPT Astra primește imaginea curentă, contextul hărții, starea mâinilor, observațiile reținute și rezultatul acțiunii precedente. Pe baza lor, alege o abilitate și o țintă: unde să meargă, ce să apuce, unde să lase un obiect sau ce sertar să deschidă. Decizia este transmisă ca apel structurat către componentele care execută mișcarea.

Biblioteca robotului cuprinde deplasarea, apucarea, așezarea, deschiderea sertarului și ridicarea unui obiect din sertar. Aceste abilități se ocupă local de percepția și controlul necesare fiecărei operații. HomeBody ocolește un model intermediar de acțiune antrenat separat, dar brațele, mâinile și mersul rămân conduse de planificatoare și controlere specializate; GPT Astra nu stabilește direct comenzile fiecărui motor.

La apucare, sistemul identifică obiectul în imagine, îi estimează poziția în spațiu și planifică traseul brațului cu verificarea coliziunilor. Dacă mâna se închide fără contact, abilitatea poate încerca altă priză sau poate schimba postura robotului. Când încercările locale nu rezolvă problema, motivul eșecului revine la model, care poate alege o altă țintă ori poate modifica ordinea acțiunilor. Această reacție este necesară deoarece obiectele își schimbă poziția în imagine pe măsură ce robotul se apropie.

De ce apar pauze și ce limitează testul

GPT Astra rulează de la distanță, în timp ce percepția, planificarea mișcării și abilitățile robotice rulează local. Între abilități, robotul așteaptă următoarea alegere a modelului; pauza vizibilă ține de timpul de raționament și de comunicarea cu serviciul din cloud. Corecțiile mici ale unei apucări pot fi făcute local, fără o nouă decizie a modelului pentru fiecare ajustare.

În descrierea tehnică HomeBody, componentele locale rulează pe un laptop cu placă grafică RTX 4090, iar prezentarea ridicării obiectului din sertar este accelerată pe alocuri de până la 14 ori. Clipurile includ reîncercări, astfel că durata lor nu reprezintă timpul real al unei sarcini neîntrerupte. În plus, construirea geamănului digital adaugă timp de pregătire și costuri API înainte de folosirea memoriei spațiale.

Funcționarea îndelungată este limitată și de raza de acțiune, de capacitatea de manipulare și de încălzirea servomotoarelor degetelor. Nu este prezentat un cost total pentru folosirea zilnică într-o locuință și nici o rată de reușită măsurată în bucătării diferite. Pentru o încăpere nouă, fluxul începe din nou cu explorarea și reconstrucția spațiului; tocmai durata acestui proces și rezistența mecanismelor vor conta când HomeBody va fi încercat dincolo de bucătăria demonstrației.