GPT-6.2 Astra具身任务成功率41.2%:打结、展开T恤首次通关
衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 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。 机器人基础设施公司XDOF的最新实测中,....
衡宇在凹非寺发布了这条消息,量子位公众号QbitAI同步推送。
具身智能这次又被
GPT-6.2 Astra加重了压力,像挨了一记天马流星拳。
一家做机器人基础设施的公司给出了一组数据:16项操作任务放在一起算,综合成功率已经从两个月前GPT-6 Astra的19.6%涨到41.2%,翻了一倍还多。
打结、展开T恤这两项操作,过去没有任何AI能完成,这次也被它解决了。
成绩公布以后,OpenAI Developers官方账号转发了这条消息,OpenAI联合创始人兼总裁表示,GPT-6.2 Astra在机器人技术方面表现得非常出色~~
为了让评测站得住脚,标准定得相当苛刻,可即便这样,结果还是超出了预期。
两个月成绩翻倍,到底有多强?
这次突破的分量有多重,得先看清测试任务本身难在哪。
GPT-6.2Astra参加的这个基准,面向的是真实物理环境,由双臂机器人完成16项操作任务,每项任务都按30次重复测试的协议来跑。
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里。
两个月前的GPT-6 Astra,在这套测试里的成绩是19.6%。
换到GPT-6.2Astra,数字直接冲到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,涉及物体抓取、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拉起来的,GPT-6.2Astra在整套测试里的表现都有明显抬升。
最吸睛的,是“给绳子打结”和“展开T恤这”两项,GPT-6.2Astra都顺利完成了。
此前Ember-0累计做了143次有效的T恤展开测试,没有一个模型能把这任务做成。
这两项标志性突破之外,Ember-0涵盖的其他多项任务里,这个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”都在其中。
还有考验记忆与感知的“寻找被遮挡马克笔”和“遵循红色便签上的隐藏指令”。
以及考验精细力控的“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,提升都很明显。
其中涨得最猛的是用夹子夹起面包:GPT-6Astra成功率只有10%,GPT-6.2Astra已经到了90%。
打结、展开T恤,难在哪?
要说清GPT-6.2 Astra这回的突破分量有多重,先得看看“打结”和“展开T恤”这两个任务,对机器人而言究竟难成什么样。
机器人学习这个方向,以
先由人做示范,机器人再从示范里学会怎么抓、怎么挪、怎么放。
碰上刚性物体、流程固定的场景,这套路子已经跑出了不错的结果。
杯子、箱子这类东西形状比较稳定,从哪儿下手抓、走什么轨迹,都相对好猜,训练过的模型通常能形成比较稳的操作策略。
可一旦换了物体、换了环境,或者把几个动作串成更复杂的任务,原来的策略就未必管用。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。
柔性物体又把门槛抬高了一截。
展开T恤也好,给绳子打结也好,机械臂每碰一次、抓一次、拉一次,物体形态就跟着变,形变过程也很难提前算准。机器人不光要弄懂“把衣服展开”这个目标,还得靠腕部和顶部摄像头传回的画面对衣物的角点、褶皱和整体形态做连续判断,再定下一步怎么动。
操作精度和双臂配合,要求都相当高。
抓的位置或者动作节奏差一点,衣角就可能滑掉、绳子就可能缠上,前面做的功也白费了。
在
硬件本身没有触觉反馈,大模型每次输出
所以,打结和展开T恤考的是整套综合本事:三维空间理解、双臂协同、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绕不开的老问题。此前外界批评这类模型,一个常见理由就是推理太耗时,跟不上机器人实时操作的需要。
GPT-6.2 Astra这次在速度上也有进步。
模型发布期间,平均预测延迟从GPT-6 Astra的15秒降到10.1秒。
可跟其他模型架构比,这种推理方式的效率还是偏低。对需要连续感知、快速响应的机器人来说,10秒左右的等待依然不算短。
整体看,具身智能模型在简单抓取和物体摆放上往往表现不错,一碰到复杂接触、工具使用和柔性物体,成功率就掉得明显。
XDOF
比如模型一般能理解任务、规划出看着合理的动作,可真落到机械臂上,抓取、接触和连续操作这些环节就容易出岔子。
GPT-6.2 Astra这次的突破,正好说明通用模型已经开始啃下这些硬骨头。
△图片由AI生成
站在行业角度看,通用大模型对具身智能的冲击,也正沿着这条路一步步推进。
从英伟达研究团队测试让GPT-6 Astra直接充当机器人策略模型,到Claude在机器人模拟环境里展现复杂操作能力,再到Google DeepMind将
One More Thing
机器人、具身智能圈子里的活跃身影,最近都在盯着这份成绩单。
他们开展的真实机器人对比测试里,GPT-6.2 Astra的表现相当抢眼,仅用一天时间就攀升至榜首。
具体怎么操作的,看下面这块小屏幕。
从最初那代模型面对柔性操作毫无办法,到GPT‑6.2 Astra在两个月内把成功率翻了一倍、还在多个原本零分的任务上取得突破,前沿多模态大模型在物理世界里的进步速度正不断加快。
快得让人有点跟不上节奏。
真是累了,累了。
干脆这么说吧,11月的每一天都能算作AI圈的眩晕瘫坐日(bushi)。
参考链接: [1]https://x.com/xdofai/status/2123822012066157011 [2]https://x.com/djiafei/status/2123925760281067567?s=46