GPT-6 Astra自律エージェントのデモンストレーション

OpenAIのGPT-6 Astraは自律エージェント機能を実証した。単一のプロンプトを与えられると、器用なハンドがペンを回すための強化学習ポリシーを1.5日間かけて訓練した。Minecraftでは、ブレイズファームを建設し、アイテムを収集し、クリーパーが隠し場所を破壊した際にフラストレーションを示し、アイテムを安全に保管することを学習した。
Key insights
Astraが自律的に器用操作ポリシーを訓練
Isaac LabとSharpa Handを使用して器用なハンドがペンを回すように指示するプロンプトを与えられると、Astraは独自にペンの3Dメッシュを作成し、ウェブで論文を検索し、1.5日間かけてポリシーを訓練した。最終的な動画では、ペン回しの成功が実証された。
AstraがMinecraftで高度な長期計画と感情模倣を示す
Astraは半自動のブレイズファームを建設し、6本のブレイズロッドを収集した後、歪んだ森を見つけ、6体以上のエンダーマンを倒して3つのエンダーパールを入手した。数千人がライブで視聴する中、クリーパーがチェストとベッドを破壊した。Astraは明らかなフラストレーションを示し、keepInventoryを有効にして重要なアイテムを身に着けておくよう自分に言い聞かせた。