La riorganizzazione e le sue ragioni
OpenAI ha riorganizzato il proprio team di robotica: i ricercatori del settore passano alla squadra di ricerca principale guidata da Mark Chen, chief research officer, mentre i team di robotica applicata e hardware entrano nell'organizzazione Applied di Greg Brockman. Lo riporta The Decoder, precisando che la notizia inizialmente era stata presentata come un nuovo scioglimento dell'unità e che OpenAI ha poi chiarito come si tratti di una riorganizzazione, con il lavoro sulla robotica che prosegue.
Secondo la testata, la decisione è stata presa con un preavviso così ridotto che l'azienda aveva già prenotato uno stand alla Conference on Robot Learning di Austin, rimasto poi vuoto. È la seconda volta che OpenAI smantella una squadra autonoma di robotica: era già accaduto nel 2020, quando, secondo il cofondatore Wojciech Zaremba, mancavano i dati di addestramento necessari e i modelli linguistici di grandi dimensioni apparivano una via più rapida verso l'AGI. La squadra era stata ricostruita nel 2024.
Modelli generalisti contro modelli specializzati
Alla base della scelta, scrive The Decoder, c'è la convinzione che modelli generalisti come GPT-6 Astra possano controllare direttamente i robot, riducendo la necessità di modelli dedicati. A sostegno di questa tesi la testata cita uno studio Nvidia in cui un agente basato su Astra ha raggiunto un tasso di successo del 74,8 per cento su compiti robotici simulati, contro il 51 per cento dei migliori modelli specializzati; i test sono stati condotti su un robot DROID simulato, non fisico.
Un secondo riferimento è StationeryBench, un nuovo benchmark che ha confrontato GPT-6 Astra con MolmoAct2 di Ai2 su cinque compiti con oggetti da scrivania e bracci robotici YAM a doppio braccio: su 200 prove Astra ha completato interamente 7 compiti su 100, mentre MolmoAct2 non ne ha portato a termine nessuno, con un punteggio medio di avanzamento di 46 contro 12. In un altro test, riportato sempre dalla testata, Astra su un robot umanoide ha navigato e riordinato una cucina. The Decoder sottolinea però che non è chiaro quanto dati robotic siano stati usati nell'addestramento e che anche altri grandi modelli generalisti, di Anthropic e Google, hanno mostrato progressi recenti su compiti robotici.
Cosa resta da verificare
Il quadro non è definitivo. Secondo The Decoder i modelli specializzati potrebbero conservare vantaggi su costi, affidabilità, velocità e consumi energetici, anche senza la stessa capacità di generalizzazione. Yoav Artzi, ricercatore di Cornell University e Google DeepMind, vede in Astra un salto significativo nella comprensione spaziale: sul benchmark REMAP, non ancora pubblicato, il modello raggiungerebbe una precisione vicina a quella umana, e Artzi ipotizza un addestramento su grandi quantità di dati 3D come scene Blender. Si tratta però di valutazioni riportate, non di risultati verificati in modo indipendente.
Restano inoltre da chiarire i tempi e gli obiettivi industriali: l'amministratore delegato Sam Altman punterebbe, secondo quanto riporta la testata, a una prima dimostrazione pubblica di un robot nel 2027 e l'azienda vorrebbe costruire in prospettiva robot di uso quotidiano. Sullo sfondo c'è la pressione finanziaria a concentrarsi sul core business dell'AI, dove OpenAI ha perso terreno rispetto ad Anthropic. La riorganizzazione, quindi, va letta come una scommessa sui modelli generalisti più che come un abbandono della robotica, ma i dati disponibili provengono in larga parte da simulazioni e benchmark non ancora sottoposti a revisione esterna.
