前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
具身智能/11.21 · 14:35/4 MIN/编译自 衡宇/1 阅读

GPT-6.2 Astra 具身任务成功率翻倍,打结展开T恤首次通关

XDOF 最新实测显示,GPT-6.2 Astra 在 Ember-0 基准的 16 项双臂操作任务综合成功率从 19.6% 升至 41.2%,打结与展开T恤两项首次被 AI 攻克,平均推理延迟降至 10.1 秒。

GPT-6.2 Astra 具身任务成功率翻倍,打结展开T恤首次通关

GPT-6.2 Astra 又给具身智能上了一课。

机器人基础设施公司 XDOF 的最新实测中,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 恤这两项此前无 AI 通关的操作,这次也被它拿下。

Image 1

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,GPT-6.2 Astra 在机器人技术方面表现非常出色。

Image 2

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。即便如此严苛,XDOF 也表示,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难在哪里。GPT-6.2 Astra 参加的是 XDOF 推出的 Ember-0 测试——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,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 的综合任务成功率为 19.6%;到 GPT-6.2 Astra,这个数字升至 41.2%,增加 21.6 个百分点。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。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」两项被轻松拿下。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。

此外,在 Ember-0 涵盖的其他多项任务中,该模型表现也有明显进步:

  • 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:GPT-6 Astra 的成功率只有 10%,GPT-6.2 Astra 提升到了 90%。

Image 4

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不错效果: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。

柔性物体又把难度推高一层。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,再决定下一步动作。

Image 5

这对操作精度和双臂配合提出很高要求。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,这两项任务对应的核心能力标签涵盖形变控制、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,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: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。

Image 6

速度也是这类模型一直面临的挑战。此前外界批评之一,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-6.2 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: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-6.2 Astra 这次的突破,恰好表明通用模型已经开始突破这些难点。

标签:OpenAI具身智能

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款

Image 7

△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/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 GPT-6.2 Astra「入侵」具身智能的表现。在他们做的真实机器人对比测试中,GPT-6.2 Astra 一天内就冲到了 RoboColosseum 的 SO-101 Elo 排名第一。

Image 8

从初代模型在柔性操作前束手无策,到 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。

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

刚刚,微软官方公开了科研研究Skill
TOP1

刚刚,微软官方公开了科研研究Skill

AI 助攻纳维-斯托克斯无外力爆破
TOP2

AI 助攻纳维-斯托克斯无外力爆破

3

OpenAI 详解 Codex 沙箱安全机制

13小时前
OpenAI 详解 Codex 沙箱安全机制
4

Google 2027年停用 Nest 应用与助手

8小时前
Google 2027年停用 Nest 应用与助手
5

Thinking Machines 发布笔记本可跑的 Inkling 2 Mini

8小时前
Thinking Machines 发布笔记本可跑的 Inkling 2 Mini
6

FBI 调查犯罪信息数据库遭入侵

8小时前
FBI 调查犯罪信息数据库遭入侵
7

128GB 内存、1 PFLOPS:3.3 万起的 RTX Spark,到底值不值?

11小时前
128GB 内存、1 PFLOPS:3.3 万起的 RTX Spark,到底值不值?
8

基于 LLM Wiki、OKF 与 Git 的Agent知识库:淘宝直播互动团队的AI Coding实践

11小时前
基于 LLM Wiki、OKF 与 Git 的Agent知识库:淘宝直播互动团队的AI Coding实践
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断