GPT-6.2 Astra机器人实测成功率41.2%,较GPT-6 Astra翻倍
但是总的来说,具身智能模型往往在简单抓取和物体摆放上表现不错,一旦遇到复杂接触、工具使用和柔性物体,成功率就会明显下降。
衡宇 发自 凹非寺
GPT-6.2 Astra又给具身智能上了一课,这一拳打得够狠。
机器人基础设施公司XDOF最新实测显示,GPT-6.2Astra操控双臂机器人完成16项操作任务,综合成功率从两个月前GPT-6Astra的19.6%升到41.2%,翻了一倍还不止。
打结、展开T恤这两项以前没有AI能通关的操作,这回也被它拿下了。

OpenAI Developers官方账号转发了成绩,OpenAI联合创始人兼总裁Greg Brockman也发了话:
“GPT-6.2 Astra在机器人技术方面表现得非常出色~~”

评测做得并不含糊。XDOF用六台YAM工作站并行跑,每项任务重复三十次,一天下来能完成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。
标准这么严,XDOF还是在最新推文里说,Ember‑0基准可能很快就会被模型能力跑满。
两个月成绩翻倍,到底有多强?
想知道这次突破有多少含金量,先得看清测试任务难在哪儿。
GPT-6.2Astra参加的是XDOF推出的Ember-0测试,这套基准面向真实物理环境,让双臂机器人完成16项操作任务,每项按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,这些能力都在考察范围内。
两个月前,GPT-6Astra在Ember-0上的综合任务成功率是19.6%;到GPT-6.2Astra,数字升到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,涵盖物体抓取、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-6.2Astra在整套测试里的表现都上了一个台阶。

最抢眼的还是“给绳子打结”和“展开T恤这”两项,GPT-6.2Astra轻松拿下。
此前Ember-0累计做了143次有效的T恤展开测试,没有一个模型能完成这任务。
除了这两项标志性突破,Ember-0的其他多项任务里,该模型的表现也有明显进步。
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”。
……
GPT-6.2 Astra在各个子任务的检查点完成度与最终成功率上,都出现了显著提升。
夹起面包这一项进步最直观:GPT-6Astra成功率仅有10%,GPT-6.2Astra直接拉到90%。

打结、展开T恤凭什么这么难?要看懂GPT-6.2 Astra这回突破的分量,先得弄清楚这两个任务对机器人意味着什么。
机器人学习领域里,Diffusion Policy、ACT、RT-2这类视觉-语言-动作模型(VLA)以及专用策略模型,普遍要靠海量人类示教数据学操作技能——人先做示范,机器人再照着学怎么抓、怎么移、怎么放。
面对刚性物体、固定流程,这套路子已经跑得不错:杯子、箱子几何形状稳,抓哪儿、走什么轨迹都好预判,训练之后模型通常能形成比较稳的操作策略。
可一旦换物体、换环境,或者把几个动作串成更复杂的任务,老策略就未必管用。模型可能得重新采示教数据、补训练,才能适应新的操作条件。
柔性物体再把难度抬高一截。展开T恤、给绳子打结时,机械臂每碰一次、抓一次、拉一次,物体形态都在变,形变过程又很难事先算准。机器人既要理解“把衣服展开”这个目标,还得从腕部和顶部摄像头画面里不断判断衣角、褶皱和整体形态,再定下一步动作。操作精度和双臂配合的要求因此很高。

抓取位置或动作节奏差一点,衣角就可能滑落、绳子就可能缠住,前面做的全白费。在XDOF评测体系里,“打结”和“展开T恤”对应的核心能力标签包括形变控制、双臂协调、精细操作(Dexterity)以及长程规划(Long horizon)。
何况硬件没有触觉反馈,大模型每输出一个动作块(Action chunk)之间还有十余秒到二十余秒的推理延迟,机械臂等新决策的时候没法实时微调,每次接触控制、每次从失败中恢复,代价都极高。所以这两项任务考的是整套本事:三维空间理解、双臂协同、精细接触控制、依据历史记录做动态状态追踪,以及长程任务规划。

速度也是第二系统模型绕不开的坎。此前外界批评这类模型的一大理由,就是推理太慢,达不到机器人实时操作的要求。这次GPT-6.2Astra在速度上有改进:模型发布期间,平均预测延迟从GPT-6Astra的15秒降到10.1秒。
但放到其他模型架构旁边比,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,等上10秒左右依然不算短。整体来看,具身智能模型在简单抓取和物体摆放上往往表现可以,一碰上复杂接触、工具使用和柔性物体,成功率就掉得明显。
XDOF早前公布的Ember-0测试结果也暴露了类似毛病:模型一般能读懂任务、规划出看着合理的动作,真到机械臂上执行,抓取、接触、连续操作这些环节却容易出岔子。GPT-6.2Astra这次的突破,恰好说明通用模型已经开始啃下这些硬骨头。

△图片由AI生成
放到行业层面看,通用大模型对具身智能的这轮冲击,正沿着同一条路径往前推。
英伟达研究团队测过GPT-6Astra直接当机器人策略模型用;Claude在机器人模拟环境里展现出复杂操作能力;Google DeepMind则把Gemini的多模态理解能力往机器人控制上延伸。通用模型一轮接一轮,把具身智能的能力边界往上抬。
One More Thing
新加坡国立大学总统青年教授Jiafei Duan长期做机器人、具身智能方向,他随后也发帖称赞了GPT-6.2 Astra“入侵”具身智能的表现。
他们做的真实机器人对比测试里,GPT-6.2 Astra表现相当亮眼,一天之内就冲到RoboColosseum的SO-101 Elo排名第一。
实际操作情况,请看小屏幕:

从初代模型面对柔性操作束手无策,到GPT‑6.2 Astra两个月内把成功率翻倍、攻下多项零分任务,前沿多模态大模型在物理世界里的演进步伐一直在加快。
而且快得让人有些应接不暇。
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)。