GPT-6.2 Astra 又给具身智能加了一把强度,这一拳可谓天马流星拳。
机器人基础设施公司 XDOF 的最新实测显示,GPT-6.2 Astra 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-6 Astra 的 19.6% 升至 41.2%,翻了一倍有余。
打结、展开 T 恤这两项此前没有任何 AI 通关的操作,这次也被它拿下。

成绩公布后,OpenAI Developers 官方账号转发了这条消息,OpenAI 联合创始人兼总裁 Greg Brockman 也发文称赞:
GPT-6.2 Astra 在机器人技术方面表现得非常出色。

评测流程相当严谨。XDOF 用六台 YAM 工作站并行试验,每项任务重复 30 次,单日可完成 480 场实测。测试中由人工标注子步骤、抓取失误与碰撞,以排除硬件偏差与随机扰动。
即便标准如此严苛,XDOF 在最新推文中仍表示,Ember-0 基准或许不久后就会被模型能力饱和。
两个月成绩翻倍,到底有多强?
要判断这次突破的含金量,先要弄清测试任务难在哪里。
GPT-6.2 Astra 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 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-6 Astra 在 Ember-0 中的综合任务成功率为 19.6%。到了 GPT-6.2 Astra,这个数字升至 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。
也就是说,进步并非来自某一项任务的单点突破,GPT-6.2 Astra 在整套测试中的表现都有明显提升。

最让人眼前一亮的,是“给绳子打结”和“展开 T 恤”两项操作被 GPT-6.2 Astra 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。
除了这两项标志性突破,其他任务也有明显进步:
- 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 在各子任务的检查点完成度与最终成功率上,都展现出显著提升。
提升最明显的是用夹子夹起面包的任务:GPT-6 Astra 的成功率只有 10%,GPT-6.2 Astra 提升到了 90%。

为什么打结、展开T恤这么难?
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,往往能形成较为稳定的操作策略。
但换一种物体、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。机器人既要理解“把衣服展开”这样的任务目标,又要从腕部和顶部摄像头传回的画面中,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,就可能导致衣角滑落、绳索缠绕,前面完成的操作也会付诸东流。
在 XDOF 的评测体系中,“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)。
硬件上还有一重限制:没有触觉反馈。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,每一次接触控制和失败恢复的成本都很高。
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。
速度也是第二系统模型一直面临的挑战。外界对这类模型的批评之一,就是推理耗时较长,难以满足机器人实时操作的要求。
这次 GPT-6.2 Astra 在速度上有所改善:模型发布期间,其平均预测延迟从 GPT-6 Astra 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短。
总体来看,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:模型通常能理解任务,也能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出错。
GPT-6.2 Astra 这次的突破,说明通用模型已经开始攻克这些难点。

图片由 AI 生成
从行业视角来看,通用大模型对具身智能的冲击,也正沿着这条路线持续推进。
从英伟达研究团队测试 GPT-6 Astra 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
活跃在机器人与具身智能领域的新加坡国立大学总统青年教授 Jiafei Duan,随后也发帖称赞了 GPT-6.2 Astra 的表现。
在他们做的真实机器人对比测试中,GPT-6.2 Astra 表现出色,一天内就冲到了 RoboColosseum 的 SO-101 Elo 排名第一。
从初代模型在柔性操作前束手无策,到 GPT-6.2 Astra 在两个月内实现成功率翻倍、攻克多项此前零分的任务,前沿多模态大模型在物理世界的演进步伐正在持续加快,速度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)。
来源信息