ReWo-Bench

Orbital simülasyon · Video değerlendirmesi

Orbital Rendezvous Benchmark

GPT-6 Astra ve Fable 5.1 · Max Effort

Model sonuçları

Videodaki sırayla

Videoda: Üst

GPT-6 Astra

Max Effort

92,6/100

Mühendislik puanı

Görev süresi
43 dk

Videoda: Alt

Fable 5.1

Max Effort

81,4/100

Mühendislik puanı

Görev süresi
74 dk

Görev özeti

Bir hedef uzay aracı ile takipçi aracının yaklaşmasını ve kenetlenmesini sağlayan gerçek zamanlı orbital simülasyon. Görev; tam iki-cisim ECI fiziğini, HCW tabanlı guidance katmanını, LVLH dönüşümlerini ve 6-DOF quaternion dinamiğini yakıt, kuvvet ve tork sınırları altında birleştiriyor.

Değerlendirme sonucu

ReWo-Bench değerlendirmesinde GPT-6 Astra genel olarak öne çıkıyor. Fable 5.1 sayısal doğruluk, navigasyon doğruluğu ve CPU çözücü verimliliğinde güçlü; Astra ise guidance, güvenlik/capture kuralları, değerlendirme bütünlüğü ve arayüzde öne çıkıyor.

Model bazında değerlendirme

GPT-6 Astra

Güçlü yanlar

  • HCW transfer doğruluğu, çoklu seed sağlamlığı ve genel benchmark çıktısı bakımından öne çıkıyor. HCW STM, terminal çözümü ve dönen referans çerçevesinin hız terimi güçlü yönleri.
  • Truth-leak sınır denetiminin self-grader’a bağlanması, bir saniyelik capture koşulu ve yaklaşma konisi kuralları güçlü yönleri.
  • HUD hiyerarşisi, faz görünümü, kamera sunumu ve debug izlenebilirliği daha başarılı.

Sınırlamalar ve bulgular

  • Rigid-body sayısal doğruluğu ve navigasyon ölçüm doğruluğunda Fable’ın gerisinde kalıyor.
  • CPU fizik ve metrik döngüsü Fable’dan daha yavaş. SwiftShader’daki akıcılık gözlemi gerçek GPU performansı ölçümü olarak sunulmuyor.

Fable 5.1

Güçlü yanlar

  • ECI yörünge propagasyonu ve RK4 rigid-body entegrasyonu güçlü; saf sayısal doğrulukta öne çıkıyor.
  • Kalman/complementary estimator navigasyon doğruluğunda; CPU fizik ve metrik döngüsü de çözücü verimliliğinde öne çıkıyor.
  • İki uygulamada da 600×800 görünümde belge taşması gözlenmedi.

Sınırlamalar ve bulgular

  • Zorunlu truth-fed-controller kriteri sabit PASS üretiyor. Özgün hard-failure kuralı katı uygulandığında çıktı başarısız sayılmalı; 81,4 mühendislik puanı bu yorumdan ayrı tutuluyor.
  • Capture davranışındaki 8 cm yanal istisna ve self-grade sapmaları prompt uyumu ve güvenlik semantiği açısından sorun oluşturuyor.
  • Görsel bilgi hiyerarşisi, kamera sunumu ve debug görünürlüğü Astra’nın gerisinde kalıyor.