网易首页 > 网易号 > 正文 申请入驻

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

0
分享至

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

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
特朗普在白宫感叹中国行:整座城市干净整洁,一尘不染,看看人家,再看看我们自己,“又脏又破又恶心,犯罪率还奇高……”

特朗普在白宫感叹中国行:整座城市干净整洁,一尘不染,看看人家,再看看我们自己,“又脏又破又恶心,犯罪率还奇高……”

都市快报橙柿互动
2026-11-21 10:19:42
51岁港姐季军离世!3个月前她给自己办追思会,笑着开香槟

51岁港姐季军离世!3个月前她给自己办追思会,笑着开香槟

可乐谈情感
2026-11-21 12:46:04
马克龙私密谈话流出,48岁仍未“断奶”,73岁布丽吉特成最大牺牲品

马克龙私密谈话流出,48岁仍未“断奶”,73岁布丽吉特成最大牺牲品

恒星文娱
2026-11-17 23:01:29
邝港智出庭曝猛料:蔡天凤当时还活看,没碰过锤子,父子当庭翻脸

邝港智出庭曝猛料:蔡天凤当时还活看,没碰过锤子,父子当庭翻脸

青梅侃史啊
2026-11-21 11:29:50
郑丽文久旱逢甘霖!蓝营全面开花,传来三大关键利好,赵少康算计落空

郑丽文久旱逢甘霖!蓝营全面开花,传来三大关键利好,赵少康算计落空

深蓝独奏
2026-11-21 12:34:07
两岸统一货币,台湾慌了

两岸统一货币,台湾慌了

燕梳楼频道
2026-11-20 12:16:58
董路怒批浮嶋敏:3年不练5后卫一定是错的!我可是带队踢过皇马巴萨

董路怒批浮嶋敏:3年不练5后卫一定是错的!我可是带队踢过皇马巴萨

念洲
2026-11-21 10:27:40
79岁老太被儿媳扇巴掌,当场烧了552万存折,20天后儿子回家笑了

79岁老太被儿媳扇巴掌,当场烧了552万存折,20天后儿子回家笑了

程哥讲堂
2025-07-17 18:28:18
国安球迷意难平!不止因为0-2不敌海港,更多在于以下这五点!

国安球迷意难平!不止因为0-2不敌海港,更多在于以下这五点!

田先生篮球
2026-11-20 22:25:43
泽连斯基明确表示,愿意为乌克兰牺牲生命,且无所畏惧

泽连斯基明确表示,愿意为乌克兰牺牲生命,且无所畏惧

山河路口
2026-11-20 20:36:06
全新一代本田冠道曝光,设计大变样,7座布局,配第五代混动系统

全新一代本田冠道曝光,设计大变样,7座布局,配第五代混动系统

红涛说車
2026-11-21 14:22:13
韩网友曾问:在铁证面前,中国人为什么还不承认汉字起源于韩国?

韩网友曾问:在铁证面前,中国人为什么还不承认汉字起源于韩国?

阿天爱旅行
2026-11-18 08:37:40
资深演员出门买晚餐遇车祸!经纪人:意外受伤本不致命,数日后却突然离世

资深演员出门买晚餐遇车祸!经纪人:意外受伤本不致命,数日后却突然离世

上观新闻
2026-11-21 12:47:37
复仇火箭!约基奇轰26+11创纪录,杜兰特低迷9中6,申京空砍三双

复仇火箭!约基奇轰26+11创纪录,杜兰特低迷9中6,申京空砍三双

老侃侃球
2026-11-21 13:44:15
哈马斯女成员自曝:利用记者证侦察要袭击的以色列目标,造成15人死亡

哈马斯女成员自曝:利用记者证侦察要袭击的以色列目标,造成15人死亡

桂系007
2026-11-20 08:33:52
APEC新闻中心火了!俄罗斯记者感慨:世界各地记者都在用中国设备

APEC新闻中心火了!俄罗斯记者感慨:世界各地记者都在用中国设备

故事终将光明磊落
2026-11-21 13:02:09
白菜是血糖杀手?多次提醒:糖尿病患者,少吃这4种蔬菜

白菜是血糖杀手?多次提醒:糖尿病患者,少吃这4种蔬菜

荷兰豆爱健康
2026-11-21 03:51:28
曼联老板内讧了!格雷泽家族就卖不卖球队吵成一团

曼联老板内讧了!格雷泽家族就卖不卖球队吵成一团

夜白侃球
2026-11-21 11:24:44
惨烈! 马来西亚10月汽车销量7.5万辆 宝腾1.9万 比亚迪333辆 大跌80%

惨烈! 马来西亚10月汽车销量7.5万辆 宝腾1.9万 比亚迪333辆 大跌80%

趣味萌宠的日常
2026-11-21 01:08:29
一场病让我看清了两个儿媳,病好后我给二媳妇3万,大媳妇傻眼了

一场病让我看清了两个儿媳,病好后我给二媳妇3万,大媳妇傻眼了

人间百态大全
2026-11-19 06:35:03
2026-11-21 15:00:49
量子位 incentive-icons
量子位
追踪人工智能动态
13707文章数 176601关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

游戏
教育
时尚
本地
亲子

PC Gamer试玩GTA6百小时:双主角出色但任务重复

教育要闻

曾经“感动中国”的庞众望完成清华大学博士论文答辩,本人发声:将继续潜心钻研,在科研探索的道路上不断前行

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

本地新闻

乌兰察布:以前种土豆,现在种Token

亲子要闻

宝宝必看的5个启蒙动画,豆瓣评分都是在9.0以上

无障碍浏览 进入关怀版