Newshot

GPT-6.2 Astra再次暴击具身模型:16项任务成功率较GPT-6 Astra翻倍

Summary

还实现可变形物体操控全球首通

Original text(via 量子位)

GPT-6.2 Astra再次暴击具身模型:16项任务成功率较GPT-6 Astra翻倍

还实现可变形物体操控全球首通

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,GPT-6.2Astra操控双臂机器人完成16项操作任务的综合成功率,从两个月前GPT-6Astra的19.6%飙升至41.2%,翻了一倍有余。

打结、展开T恤这两项此前无AI通关的操作,这次也被它拿下。

公布成绩后,OpenAI Developers官方账号转发了这条消息,OpenAI联合创始人兼总裁Greg Brockman也骄傲发言:

GPT-6.2 Astra在机器人技术方面表现得非常出色~~

为确保评测严谨,XDOF以六台YAM工作站并行试验,每项任务重复三十次,单日可完成480场实测,并由人工标注子步骤、抓取失误与碰撞,滤除硬件偏差与随机扰动。

纵使标准如此严苛,XDOF也在最新推文中表示,Ember‑0基准或不久后便会被模型能力饱和。

两个月成绩翻倍,到底有多强?

要理解这次突破的含金量,得先搞明白测试任务究竟难在哪里。

GPT-6.2Astra参加的是XDOF推出的Ember-0测试。

这是一套面向真实物理环境的机器人评测基准,使用双臂机器人完成16项操作任务,每项任务按照30次重复测试的协议执行。

测试覆盖空间推理、物体抓取、双臂协作、工具使用、精细操作和柔性物体处理等能力。

两个月前,GPT-6Astra在Ember-0测试中的综合任务成功率为19.6%。

到了GPT-6.2Astra,这个数字已经飙升至41.2%,增加了21.6个百分点,超过原来的两倍——这里的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。

So,进步并非来自某一项任务的单点突破,GPT-6.2Astra在整套测试中的表现都有了明显提升。

最让人眼前一亮的当属“给绳子打结”和“展开T恤这”两项操作被GPT-6.2Astra轻松拿下。

此前,Ember-0累计进行了143次有效的T恤展开测试,没有一个模型成功完成这任务来着。

除了这两项标志性突破外,在Ember-0涵盖的其他多项任务中,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均展现出显著提升。

提升最明显的是用夹子夹起面包的任务:GPT-6Astra的成功率只有10%,GPT-6.2Astra则提升到了90%。

为什么打结、展开T恤这么难?

要理解GPT-6.2 Astra这次突破的含金量,得先搞明白“打结”和“展开T恤”这俩任务对机器人来说到底有多坑。

在机器人学习领域,以Diffusion Policy、ACT和RT-2为代表的视觉-语言-动作模型(VLA)及专用策略模型,通常需要依靠大量人类示教数据来学习操作技能。

人类先示范,机器人再从中学习如何抓取、移动和摆放物体。

这套方法在刚性物体和固定流程中已经取得了不错的效果。

杯子、箱子等物体的几何形状相对稳定,抓取位置和运动轨迹也比较容易预测,模型经过训练后,往往能够形成较为稳定的操作策略。

But,换一种物体、换一个环境,或者把几个动作串联成更复杂的任务,原有策略就未必还能奏效。模型可能需要重新采集示教数据、补充训练,才能适应新的操作条件。

柔性物体又把难度推高了一层。

展开T恤或给绳子打结时,物体的形态会随着机械臂每一次接触、抓取和拉扯不断变化,形变过程也很难提前预测。机器人需要理解“把衣服展开”这样的任务目标,还得从腕部和顶部摄像头传回的视觉画面中,持续判断衣物的角点、褶皱和整体形态,再决定下一步该如何动作。

这对操作精度和双臂配合提出了很高要求。

抓取位置或动作节奏稍有差池,都可能导致衣角滑落、绳索缠绕,前面完成的操作也可能因此付诸东流。

在XDOF的评测体系中,“打结”和“展开T恤”这两项任务对应的核心能力标签涵盖了形变控制、双臂协调、精细操作(Dexterity)以及长程规划(Long horizon)。

在没有触觉反馈的硬件条件下,大模型每次输出动作块(Action chunk)之间还存在十余秒到二十余秒的推理延迟,机械臂在等待新决策期间无法实时微调,这使得每一次接触控制和失败恢复的成本都极高。

因此,打结和展开T恤考验的是一整套综合能力,包括三维空间理解、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以及长程任务规划。

BTW,速度也是第二系统模型一直面临的挑战。此前,外界对这类模型的批评之一,就是推理过程耗时较长,难以满足机器人实时操作的要求。

这次GPT-6.2Astra也在速度上有所改善。

模型发布期间,其平均预测延迟从GPT-6Astra的15秒下降至10.1秒。

不过,与其他模型架构相比,这种推理方式的效率仍然偏低。对于需要连续感知、快速响应的机器人来说,10秒左右的等待时间依然不短。

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。

XDOF此前公布的Ember-0测试结果也呈现出类似问题。

比如模型通常能理解任务、规划出看起来合理的动作,真正落到机械臂上,却容易在抓取、接触和连续操作环节掉链子。

GPT-6.2Astra这次的突破,恰好表示通用模型已经开始突破这些难点。

而从行业视角来看,通用大模型对具身智能的冲击,也正在沿着这条路线持续推进。

从英伟达研究团队测试GPT-6Astra直接充当机器人策略模型,到Claude在机器人模拟环境中展现复杂操作能力,再到Google DeepMind将Gemini的多模态理解能力延伸至机器人控制,通用模型正在一轮轮刷新具身智能的能力边界。

One More Thing

活跃在机器人/具身智能领域的新加坡国立大学总统青年教授Jiafei Duan随后也发帖赞美了GPT-6.2 Astra“入侵”具身智能的优秀表现。

在他们做的真实机器人对比测试中,GPT-6.2 Astra表现贼出彩,一天内就冲到了RoboColosseum的SO-101 Elo排名第一。

实际操作情况,请看小屏幕:

自初代模型在柔性操作前束手无策,及至GPT‑6.2 Astra两月内实现成功率翻倍、破局多项零分任务,前沿多模态大模型在物理世界的演进步伐,正在持续加快。

而且是以让人有些应接不暇的速度。

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

  • 米哈游发了个VLA论文2026-11-21
  • 姚顺雨和混元团队上Reddit答网友,Hy小模型已进路线图2026-11-21
  • 具身智能出海,物流先行2026-11-09
  • 黎曼猜想被证明?!Claude加持,34岁数学家放出Lean证明2026-11-21

相关阅读

这么哇塞的世界模型,竟然是开源的!

蚂蚁灵波第三弹:LingBot-World

智驾大牛余轶南机器人创业:首轮融近亿,老东家地平线百度都投了

机器人集体到香港户外极限挑战,狗比人强

赛前预警翻车?选手:不存在的

从学习人类到学习机器人同伴,清华大学联合无问芯穹、智元提出具身智能规模化落地新路径

让机器人成为彼此的“老师”

π0.7发布,VLA押出了机器人的GPT-3时刻

π0.7:具有涌现能力的可控模型

刘强东连投3家具身智能!京东美团「战火」烧到外卖之外

看重「量产硬件+具身智能大脑」

The text above was extracted automatically from the source page and may miss images, tables or code blocks. The original is authoritative.

Published by 量子位
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗