首页 > 资讯 > 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

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

量子位 2026-11-21 14:35 18 阅读 查看原文

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。

△图片由AI生成

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。

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