type
Post
status
Published
date
Nov 21, 2026
slug
summary
tags
category
行业动态
icon
password

GPT-6.2 Astra具身智能大考:16项任务成功率翻倍,首次攻克打结与展开T恤

在最新的机器人基础设施工程商XDOF发布的实测数据中,GPT-6.2 Astra在操控双臂机器人完成复杂物理任务方面展现了显著的性能跃升。相比两个月前发布的GPT-6 Astra,新版模型在包含16项操作任务的综合评测中,成功率从19.6%飙升至41.2%,增幅超过一倍。

16项任务综合成功率翻倍,柔性物体操控实现突破

本次评测采用了一套名为Ember-0的基准测试系统,该系统面向真实物理环境,重点考察空间推理、物体抓取、双臂协作、工具使用、精细操作及柔性物体处理能力。GPT-6.2 Astra的改进并非局限于单一任务的单点突破,而是在整套测试体系中均呈现出明显的性能提升。
最值得关注的里程碑是,模型成功拿下了此前没有任何AI模型能够通关的两项高难度任务:“给绳子打结”和“展开T恤”。在Ember-0基准的历史记录中,累计进行了143次有效的T恤展开测试,此前始终未能有一个模型成功完成。此外,在涉及物理推理、记忆感知以及精细力控的其他任务中,如“拉动毛巾取回远处毛绒玩具”、“寻找被遮挡马克笔”以及“用夹子夹起面包”等,GPT-6.2 Astra的表现也均有显著进步。
特别是在“用夹子夹起面包”这一项考验精细力控的任务中,成功率从GPT-6 Astra的10%大幅提升至90%。

严苛评测标准下的稳定性验证

为确保评测结果的严谨性与可复现性,XDOF采用了六台YAM工作站进行并行试验。协议要求每项任务重复测试30次,使得单日可完成480场实测。测试过程中,人工标注了子步骤、抓取失误与碰撞情况,以滤除硬件偏差与随机扰动带来的影响。
尽管测试标准严苛,XDOF团队在最新推文中指出,考虑到当前模型能力的增长速度,Ember-0基准可能不久后就会面临模型能力饱和的问题。与此同时,OpenAI联合创始人兼总裁Greg Brockman也对这一进展表示认可,称GPT-6.2 Astra在机器人技术方面表现非常出色。

柔性物体操控的难点解析

在机器人学习领域,以Diffusion Policy、ACT和RT-2为代表的视觉-语言-动作模型通常依赖大量人类示教数据来学习操作技能。这套方法在处理几何形状相对稳定的刚性物体(如杯子、箱子)时效果较好,但一旦换用柔性物体或串联复杂动作,原有策略往往失效。
柔性物体操控难就难在物体形态会随着机械臂的接触、抓取和拉扯不断变化,形变过程难以提前预测。机器人需持续判断衣物的角点、褶皱及整体形态,对操作精度和双臂配合提出了极高要求。在缺乏触觉反馈的硬件条件下,由于大模型每次输出动作块之间存在十余秒到二十余秒的推理延迟,机械臂在等待期间无法实时微调,导致每次接触控制和失败恢复的成本极高。
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、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。

推理速度改善与行业趋势

在速度方面,GPT-6.2 Astra也有所改善,平均预测延迟从GPT-6 Astra的15秒下降至10.1秒。虽然这一效率与其他模型架构相比仍有提升空间,但对于需要连续感知、快速响应的机器人应用而言,这标志着通用大模型正在逐步突破复杂接触、工具使用和柔性物体操控的难点。
从行业视角来看,通用大模型对具身智能的冲击正在持续推进。除OpenAI外,英伟达、Anthropic(Claude)以及Google DeepMind(Gemini)等机构也在积极探索多模态模型在机器人控制中的应用。新加坡国立大学总统青年教授Jiafei Duan的团队在真实机器人对比测试中,发现GPT-6.2 Astra在一天的时间内就冲到了RoboColosseum的SO-101 Elo排名第一。
前沿多模态大模型在物理世界的演进步伐正在加快,从初代模型在柔性操作前束手无策,到两月内实现成功率翻倍并破局多项零分任务,具身智能的技术边界正在被不断刷新。
原文出处:量子位,https://www.qbitai.com/2026/11/511779.html
From DeepSeek-VL Lead to Open-Source Agent: Tony Zhang Launches Linger for Local AISenseNova U1 Pro Claims Top Spot in China: Ranking Sixth Globally on Design Arena
Loading...