Black FridayHiggsfield: do 63% taniej przy planie rocznym - Seedance 2.5, Nano Banana Pro, GPT Image Sprawdź ofertę →link partnerski
Przejdź do treści
Sklep

AI

Robot zna właściwy ruch i wciąż przegrywa. W teście Mind2Act wykonał 12% zadań łączonych

W 180 symulowanych konfiguracjach badacze rozdzielili pamięć, ruch i korektę po wykonaniu ruchu. Najtrudniejsze było połączenie tych umiejętności.

Tekst: 2 min czytania
Robot zna właściwy ruch i wciąż przegrywa. W teście Mind2Act wykonał 12% zadań łączonych
Spis treści 3
  1. Trzy próby zamiast jednego wyniku
  2. Co umknęłoby przy pojedynczej punktacji
  3. Źródła

👁 111 przeczytań

Przedmiot chowa się pod osłoną. Po kilku zamianach miejsc trzeba podnieść właściwą osłonę, a potem wykorzystać zapamiętaną informację. Ten przykład z Mind2Act World pokazuje, jak łatwo pomylić dwie przyczyny porażki robota. Maszyna mogła stracić przedmiot z pamięci albo dobrze wybrać cel i zepsuć sam ruch.

Trzy próby zamiast jednego wyniku

Badacze opisali 19 listopada zestaw trzydziestu symulowanych zadań z pięciu obszarów. Każde ma trzy poziomy trudności i dwa warianty sceny. Razem daje to 180 konfiguracji. Osobno badają decyzje na podstawie wcześniejszych obserwacji, dokładność i czas wykonania ruchu, a wreszcie połączenie tych umiejętności. W ostatniej grupie to, jak skończył się ruch, powinno wpłynąć na kolejną decyzję.

Skuteczność najlepszego agenta
Odsetek udanych epizodów w trzech grupach zadań autorów Mind2Act World.

Najmocniejszy agent z porównania zaliczył 52,7% prób typu Mind i 39,0% typu Act. Kiedy miał powiązać rozumowanie z wykonaniem w zadaniach Mind2Act, skuteczność wyniosła 12,0%. To trzy wyniki jednej procedury badawczej. Nie wolno przemnożyć pierwszych dwóch liczb i potraktować wyniku jako przewidywanej skuteczności w trzeciej próbie.

Co umknęłoby przy pojedynczej punktacji

Z porównania profili wyłaniają się dwa odmienne kłopoty. Silny agent potrafił pamiętać stan zadania, lecz gorzej radził sobie z utrzymywaniem kontaktu podczas manipulacji. Modele wyspecjalizowane w sterowaniu wykonywały przećwiczone ruchy, ale słabiej zachowywały potrzebną informację o scenie. Te przypadki łatwo byłoby wrzucić do jednej rubryki „nieudana próba”.

Skąd się bierze 180 konfiguracji?
Każde zadanie występuje w trzech trudnościach i dwóch ustawieniach sceny.

Dla mnie największą wartością tego testu jest możliwość wskazania, co poprawić po błędzie. Liczba 12% opisuje wybranego agenta w symulatorze i konkretny zestaw czynności. Nie mówi, z jaką skutecznością dowolny robot poradzi sobie w twojej kuchni.

Stan na 21.11.2026, godz. 19:34 czasu polskiego.

Źródła

Piotr Olszewski

Autor

Twórca i autor Promptowego, polskiego serwisu o sztucznej inteligencji. Codziennie śledzi premiery modeli, narzędzia i regulacje AI, i tłumaczy je prostym, konkretnym językiem.

O mnie →Wszystkie teksty →

Czytaj dalej

Narzędzia do tego tematu

darmowe, bez kontaWszystkie 29 →
z sieci - nowe teksty w moich serwisach

Wszystkie moje projekty →

Najczęściej czytane

7 dni
  1. 1Okładka GTA 6 z własnym zdjęciem w AI: prompt do ChatGPT i Gemini, test na selfie
  2. 2GPT-6.2 Astra vs Claude Fable 5.2 vs Gemini 4 Carbon: benchmarki i mój test na 7 modelach (z Opus 5.5)
  3. 3Plakat festiwalu z polskim napisem: prompt i test 6 generatorów obrazu (Prompt dnia 14.11)
🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →