论文解读 · 2026年10月20日
GPT-6-Astra 是否已达到 Embodied Intelligence？
Has GPT-6-Astra Achieved Embodied Intelligence?
用 12 个机器人基准、8 种真实机器人和一个新基准原型评估 GPT-6-Astra，表明它已具备基准层面的能力，但距离实际部署仍有差距。
问题
通用模型 GPT-6-Astra 开始解决原本由 VLA 等针对任务专门化的模型主导的机器人操作和导航任务。有必要系统梳理该模型实际能做到什么程度，以及这对研究方向意味着什么。
方法
从四个方面进行分析。(1) 在涵盖桌面操作、人形机器人、移动机器人、灵巧手和导航的 12 个基准上，用统一协议进行评估。该协议允许利用由训练集演示构建的固定“知识包”进行 In-context Learning（ICL），并将执行步数最多增加到 10 倍。(2) 比较了将高层“System 2”推理器（GPT-6-Astra）与低层“System 1”控制器（π0.5）结合的 Harness 设计、动作表示和 Action Chunking。(3) 在 8 种真实机器人上进行了验证。(4) 提出了下一代基准原型：任务取自实际需求，不提供领域演示，且模型推理期间时间也在流逝。
结果
- 作者报告，在 ICL 和扩展预算（10 倍）条件下，RoboDojo 达到 81.9%，DexJoCo 达到 87.3%；在 LIBERO 系列和 SIMPLE 上超过 95%，接近饱和。
- 在 SIMPLE 的 4 个公共任务上，使用任务级 ICL 后，标准预算下的成功率从 70.8%（zero-shot）提升到 90.8%。
- 将执行预算增加到 10 倍后，RoboDojo 的成功率提高约 3 倍，Bench2Dex 提高 2 倍以上。相比之下，在长程导航任务 LHPR-VLN 上仅小幅提升。
- 由 GPT-6-Astra 审查 VLA 所提动作的 closed-loop 协作大幅提升了性能，但 token 成本也很高。末端执行器指令优于直接控制关节角。
局限
核心数字是在不同于官方协议的条件下（基于训练集演示的 ICL、最多 10 倍执行步数）得到的，因此难以直接与现有 SOTA 比较。作者也指出，ICL 超出演示范围后迁移效果不佳；推理成本和执行时间对商业部署而言不现实；在物理成功验证、从不可逆失败中恢复以及长程进度追踪方面较弱。在真实机器人环境中，由于演示收集成本和安全约束，通过增加步数来提高成功率的做法行不通。
意义
在通用 Frontier 模型已使机器人基准大幅饱和的情况下，本文指出了基准分数与实际部署能力之间的差距。其意义在于提出了今后评估应衡量的方向，如成本、时间约束和无演示评估。
关键术语
- ICL(In-context Learning)
- 不改变模型权重，而是参考放入输入上下文中的示例或资料来完成任务的方式。本文在测试时参考通过分析训练演示构建的知识包。
- System 1 / System 2
- 将快速的低层控制器（System 1，例如 π0.5）与较慢但能深入推理的高层模型（System 2）分开并让二者协作的架构。
- Action Chunking
- 不是逐步输出动作，而是以多步为一组输出的方式。根据情况调整每组长度，可以减少模型调用次数。
原文
作者: SenseNova, Joint Research Team, :, Zhongang Cai, Ziang Cao, Tailai Chen, Han Chong Chua, Linjun Dai, 等 · 发布 2026-10-15 · 许可 arXiv 비독점 배포 라이선스 · 基于全文分析
本解读是 AI 阅读论文后撰写的摘要，请以论文原文为准。