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 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。

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。

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。
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:
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%。

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。

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。

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。
免费获取企业 AI 成熟度诊断报告,发现转型机会

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。
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。

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。
关注公众号

扫码关注,获取最新 AI 资讯
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