GPT-6.2 Astra:16项任务成功率41.2%,打结展开T恤首次通关
GPT-6.2 Astra又给具身智能上强度了,狠狠来了一计天马流星拳。
衡宇从凹非寺发回,量子位公众号 QbitAI 出品。
具身智能又一次被
GPT-6.2 Astra上了强度,这一击相当猛。
XDOF是一家做机器人基础设施的公司,它最新实测显示,GPT-6.2 Astra操纵双臂机器人做16项操作任务,综合成功率41.2%;两个月前GPT-6 Astra只有19.6%,如今翻了一倍还多。
打结和展开T恤这两项,以前没有哪个AI能过关,这回也被它拿下了。

成绩公布之后,OpenAI Developers官方账号转发了消息,OpenAI联合创始人兼总裁Greg Brockman也发了声,语气颇为得意:
“GPT-6.2 Astra在机器人技术方面表现得非常出色~~”

评测的严谨性也有保障:XDOF让六台YAM工作站并行跑,每项任务重复三十次,一天能做480场实测;子步骤、抓取失误和碰撞都由人工标注,硬件偏差与随机扰动则被滤掉。
标准定得这么严,XDOF在最新推文里还是说,Ember‑0基准可能过不了多久就会被模型能力跑满。
两个月成绩翻倍,到底有多强?
想知道这次突破含金量多少,先得看清测试任务难在哪儿。
XDOF推出的Ember-0测试,就是GPT-6.2 Astra参加的这一套。
它面向真实物理环境,让双臂机器人完成16项操作任务,每项任务按30次重复测试的协议执行。
空间推理、物体抓取、双臂协作、工具使用、精细操作、柔性物体处理,这些能力都在测试范围内。
两个月前,GPT-6Astra在Ember-0测试里的综合任务成功率是19.6%。
换成GPT-6.2 Astra,数字冲到了41.2%,多了21.6个百分点,超过原来的两倍;41.2%是16项共享操作任务成功率的等权平均,覆盖物体抓取、空间推理、双臂协作、工具使用等多种能力。
也就是说,进步不是靠某一项任务单点突破,GPT-6.2 Astra在整套测试里的表现都明显上了一个台阶。

最抢眼的是“给绳子打结”和“展开T恤”这两项,GPT-6.2 Astra轻松完成。
此前Ember-0一共做了143次有效的T恤展开测试,没有任何一个模型成功完成过这个任务。
这两项标志性突破之外,Ember-0涵盖的其他多项任务里,该模型的表现同样有明显进步。
- 需要物理推理的“拉动毛巾取回远处毛绒玩具”和“倾斜托盘让球滚入碗中”
- 考验记忆与感知的“寻找被遮挡马克笔”与“遵循红色便签上的隐藏指令”
- 考验精细力控的“不捏碎薯片并移动”“用夹子夹起面包”和“端麦片上托盘”
- ……
各个子任务的检查点完成度和最终成功率,GPT-6.2 Astra都提升显著。
最明显的是用夹子夹起面包:GPT-6Astra成功率只有10%,GPT-6.2 Astra则到了90%。

打结、展开T恤,这两件事对机器人来说究竟难在哪?
想知道GPT-6.2 Astra这回的突破分量有多重,先得看清楚“打结”和“展开T恤”这两个任务有多坑。
机器人学习这个圈子里,Diffusion Policy、ACT、RT-2这类视觉-语言-动作模型(VLA)以及专用策略模型,通常都得靠海量人类示教数据才能学会操作技能。
流程是人先做示范,机器人再从示范里学怎么抓、怎么移、怎么放。
面对刚性物体和固定流程,这条路已经走得挺顺。
杯子、箱子这类东西几何形状比较稳定,抓哪儿、怎么走都比较容易预判,模型训练之后往往能形成相对稳定的操作策略。
可一旦换了物体、换了环境,或者要把几个动作串成更复杂的任务,原来的策略就未必管用了。模型可能得重新采集示教数据、再补训练,才能适应新的操作条件。
柔性物体又把难度往上抬了一截。
展开T恤也好,给绳子打结也好,物体形态会跟着机械臂每一次接触、抓取和拉扯不断改变,形变过程也很难提前算准。机器人不光要理解“把衣服展开”这个目标,还得从腕部和顶部摄像头传回的画面上,持续判断衣物的角点、褶皱和整体形态,再决定下一步怎么动。

操作精度和双臂配合,要求都相当高。
抓取位置或者动作节奏差一点,衣角就可能滑落、绳索就可能缠绕,前面做完的动作也可能白费。
在XDOF的评测体系里,“打结”和“展开T恤”这两项任务对应的核心能力标签,覆盖了形变控制、双臂协调、精细操作(Dexterity)以及长程规划(Long horizon)。
硬件没有触觉反馈,大模型每次输出动作块(Action chunk)之间还有十余秒到二十余秒的推理延迟,机械臂等新决策的这段时间没法实时微调,每一次接触控制和失败恢复的代价都很高。
所以打结和展开T恤考的是整套综合能力:三维空间理解、双臂协同配合、精细接触控制、基于历史记录的动态状态追踪,还有长程任务规划。

速度也是第二系统模型一直绕不开的坎。此前外界对这类模型的批评之一,就是推理太耗时,难以满足机器人实时操作的要求。
这回GPT-6.2Astra在速度上也有改进。
模型发布期间,其平均预测延迟从GPT-6Astra的15秒降到了10.1秒。
但跟其他模型架构比,这种推理方式的效率还是偏低。机器人要连续感知、快速响应,10秒左右的等待依然不算短。
总体来看,具身智能模型在简单抓取和物体摆放上常常表现不错,可一碰上复杂接触、工具使用和柔性物体,成功率就明显往下掉。
XDOF之前公布的Ember-0测试结果也暴露出类似问题。
比如模型一般能理解任务、规划出看起来合理的动作,真落到机械臂上,却容易在抓取、接触和连续操作这些环节掉链子。
GPT-6.2Astra这次的突破,恰好说明通用模型已经开始啃下这些难点。

△图片由AI生成
从行业视角看,通用大模型对具身智能的冲击,也正沿着这条路线持续往前走。
英伟达研究团队曾拿GPT-6 Astra直接当机器人的策略模型来跑,Claude也在机器人模拟环境里展示了复杂的操作能力,Google DeepMind则把Gemini的多模态理解延伸到了机器人控制上。通用模型一轮接一轮地推高具身智能的能力上限。
One More Thing
新加坡国立大学总统青年教授Jiafei Duan长期活跃在机器人与具身智能领域,他随后发帖称赞了GPT-6.2 Astra“入侵”具身智能的表现。他提到的真实机器人对比测试里,GPT-6.2 Astra发挥得相当亮眼,仅用一天就登上RoboColosseum的SO-101 Elo排名第一。
实际操作情况,请看小屏幕:

初代模型面对柔性操作时毫无办法,到GPT‑6.2 Astra在两个月内把成功率翻了一倍、还攻下了多项原本零分的任务,前沿多模态大模型在物理世界里的进步速度正不断加快。
而且快得让人有点接不住。累了,累了。
我宣布,11月的每一天都是AI领域的眩晕瘫坐日(bushi)。
参考链接: [1]https://x.com/xdofai/status/2123822012066157011 [2]https://x.com/djiafei/status/2123925760281067567?s=46