DexHoldem: Poker-Test zeigt, dass Roboterhände an Chips scheitern
Ein neuer Praxis-Benchmark lässt eine ShadowHand Texas Hold'em spielen. Die beste Policy schaffte 61,2 % der Karten- und Chip-Züge, der beste KI-Agent las den Tisch in 34,3 % der Fälle komplett richtig.
TL;DR
- DexHoldem testet eine Roboterhand beim Texas Hold'em: 1.470 Demonstrationen von 14 Karten- und Chip-Bewegungen plus ein Lesetest mit 36 Aufgaben für KI-Agenten [^1].
- Die beste Policy schaffte 61,2 Prozent der Bewegungen; der beste KI-Agent erfasste den Tischzustand nur in 34,3 Prozent der Aufgaben vollständig richtig [^1].
Hintergrund
Eine geschickte Roboterhand hat mehrere Finger mit Gelenken, anders als die Zweibackengreifer der meisten Roboterarme; die ShadowHand in dieser Studie hat 24 steuerbare Gelenke [^1]. Eine Roboter-Policy ist ein Modell, das Kamerabilder und Gelenkdaten in Motorbefehle übersetzt. Hier lernen die Policies aus teleoperierten Demonstrationen, bei denen ein Mensch den Roboter fernsteuert. Die DexHoldem-Autoren halten bestehende Tests für unzureichend: Geschicklichkeits-Benchmarks prüfen einzelne motorische Fähigkeiten, Benchmarks für Agenten, die Anweisungen folgen, setzen oft auf Simulation oder einfache Greifer [^1].
Was passiert ist
Am 18. Mai stellte ein Team unter Leitung von Feng Chen, zu dem auch Yi Ma gehört, DexHoldem auf arXiv vor [^1]. Der Aufbau besteht aus einer ShadowHand an einem UR10e-Roboterarm, beobachtet von Kameras von oben, von der Seite und am Handgelenk [^1]. Das Team zeichnete für jede von 14 Grundbewegungen 105 teleoperierte Demonstrationen auf: eine Karte aufnehmen, ablegen, aufdecken sowie Chips im Wert von 5, 10, 50 oder 100 schieben oder ziehen [^1]. Die Karten sind etwa 0,3 mm dick [^1]. Pokerkönnen ist nicht das Ziel. Die Autoren wählten das Spiel, weil Karten und Chips klar definierte Ziele sind und sich der Tisch nach jeder Aktion verändert [^1]. Jeder Versuch wird auf vier Stufen bewertet, die einen sauberen Erfolg von einer Ausführung trennen, die den Tisch durcheinanderbringt, und von Fehlschlägen, bei denen Karten herunterfallen oder Chips aus dem Spielfeld rutschen [^1].
Neun Policies wurden mit denselben Daten trainiert und in je 80 echten Versuchen getestet [^1]. π0.5 schaffte die meisten Bewegungen, 61,2 Prozent, während π0.5 und π0 gleichauf bei 47,5 Prozent lagen, wenn nur saubere Erfolge zählten [^1]. RDT kam auf 30,0 Prozent saubere Erfolge, die beste aufgabenspezifische Baseline, DP (DINO), auf 26,2 Prozent und DP-UNet auf 1,2 Prozent [^1]. Die Policies der π-Reihe nahmen Karten in jedem Versuch auf, zogen Chips aber nur in 15 Prozent der Fälle sauber [^1].
Ein zweiter Test prüft, ob KI-Agenten das Spiel lesen können. Jede der 36 Aufgaben ist ein Bild eines echten Spielzustands, und das Modell muss acht Felder ausfüllen, von der Frage, wer am Zug ist, bis zu den Chips jedes Spielers [^1]. Jedes Modell lief in seiner eigenen Agenten-Umgebung: Codex für GPT, Claude Code für Claude und Gemini CLI für Gemini [^1]. Opus 4.7 hatte in 34,3 Prozent der Aufgaben alle Felder richtig, der beste strenge Wert, während GPT 5.5 mit 66,8 Prozent den besten Durchschnitt pro Feld erreichte [^1]. Zum Schluss spielte das Team drei komplette Hände mit GPT 5.5 als Agent und π0 als Hand [^1]. In einer davon traf der Agent über 23 erfasste Zustände acht Entscheidungen, vom Ansehen der verdeckten Karten bis zum Mitgehen bei einem Einsatz von 200 Chips, und verbrachte etwa ein Drittel dieser Zustände mit Warten [^1].
Warum es wichtig ist
Der Benchmark trennt das Erledigen einer Bewegung davon, den Tisch spielbar zu hinterlassen, und der Abstand ist groß: π0.5 steigt von 47,5 auf 61,2 Prozent, sobald unsaubere Ausführungen mitzählen [^1]. In einem ganzen Spiel summieren sich solche kleinen Störungen laut den Autoren über viele Bewegungen [^1]. Bei der Wahrnehmung zeigt sich ein ähnliches Bild. Einfache Markierungen lesen die Modelle gut, sechs von acht erreichten bei den Blind-Informationen 100 Prozent, doch die besten Werte für aktuelle Einsätze und gegnerische Chips lagen bei 45,8 und 43,8 Prozent: Beide verlangen exakte Chipzahlen je Wert, und die Chips des Gegners sind klein, gestapelt und oft teilweise verdeckt [^1]. Da ein einziges falsches Feld die ganze Aufgabe scheitern lässt, ergeben gute Teilfähigkeiten noch kein verlässliches Bild vom Tisch [^1].
Vortraining mit Greiferdaten machte handspezifische Daten nicht überflüssig. Verglichen mit zufälliger Initialisierung senkte ein vortrainiertes RDT den Validierungsverlust mit 10 Prozent der Trainingsdaten nur um 1,2 Prozent und mit allen Daten um 11,3 Prozent; die Autoren deuten das als Vorteil bei der Optimierung, nicht als Few-Shot-Transfer [^1]. Sie nennen auch Grenzen: ein einziger fester Hardware-Aufbau, ein Datensatz, der neben denen moderner vortrainierter Roboter-Policies klein ist, und zu wenige komplette Spiele für eine Erfolgsquote, die sie künftiger Arbeit überlassen [^1]. Datensatz sowie Policy- und Agenten-Code sind auf der Projektseite verlinkt [^2].
Ein Beispiel aus der Praxis
Angenommen, Amaras Robotik-Team will auf einer Messe eine ShadowHand gegen Besucher Poker spielen lassen, mit der Kombination, die das Paper getestet hat: GPT 5.5 als Agent und π0 als Hand-Policy [^1]. Der Anfang läuft gut. Um eine verdeckte Karte anzusehen, schickt der Agent ein Aufnehmen, ein Hinsehen und ein Ablegen, und die Policies der π-Reihe nahmen Karten in jedem Benchmark-Versuch auf [^1].
Dann erhöht ein Besucher. Amaras Roboter muss zuerst die Chips des Besuchers auf der anderen Tischseite lesen, ein Feld, das kein Modell in mehr als 43,8 Prozent der Fälle richtig hatte [^1]. Übersieht der Roboter die Änderung, wartet er weiter auf einen Zug, der längst passiert ist [^1]. Zum Mitgehen zerlegt der Agent den Einsatz in einzelne Chips, den größten Wert zuerst, und schiebt sie einen nach dem anderen [^1]. π0 schob Chips nur in 25 Prozent der Chip-Schiebe-Versuche des Benchmarks sauber, und ein Chip, der aus dem Spielfeld rutscht, bedeutet, dass ein Mensch den Tisch zurücksetzen muss [^1].
Amara plant also mit Hilfe statt mit einer reibungslosen Show. Der Agent kann einen Menschen rufen, wenn der Tisch nicht sicher weiterbespielt werden kann; in den drei Testhänden des Papers geschah das zweimal, und eine Hand allein verzeichnete 26 Wartevorgänge [^1]. Außerdem sollte Amara mit einem langsamen Spiel rechnen: Das autonome Demo-Video der Autoren läuft in zehnfacher Geschwindigkeit [^2].
Passende Produkte
Wir empfehlen dieses Buch, weil es Kinematik, Bewegungsplanung und Greifen von Robotern erklärt, also die Mechanik hinter Bewegungen wie dem Anheben einer Karte oder dem Schieben eines Chips.