Hacker News Front Page · wondersky ·
Post-training a 4B model with RL to fly the Tesla Roadster 21% better than GPT-6 Astra
El equipo construyó un simulador físico con viento y dos acrobacias para medir si varios modelos de lenguaje podían pilotar un automóvil volador, teniendo en cuenta que cada decisión debía llegar cada 0,2 segundos. Los modelos grandes solían superar al piloto entrenado cuando el simulador esperaba sus respuestas, pero fallaban en tiempo real por su latencia; un Qwen3-4B ajustado con imitación y RL respondió en 0,09 segundos y aterrizó el 90 % de las acrobacias de tormenta. En las pruebas de kickflip, el modelo obtuvo 347 aterrizajes de 384 frente a 286 de GPT-6 Astra con tiempo ilimitado, aunque los autores aclaran que los resultados corresponden a un simulador y no demuestran que un LLM pueda pilotar un vehículo real.
We RL-trained Qwen3-4B to fly a simulated flying Roadster. In storms, it beats DeepSeek, Muse, Beam, Nemotron and GPT-6 Astra, even when they get unlimited time to think.