外观
新闻X9 天前
商汤开源GPT-6-Astra具身研究及27B模型与RoboRSI框架
本文由 AI 根据公开内容整理，可能有误，请以原文为准：商汤 SenseTime (@SenseTime_AI)（via AIHOT）：We release the most comprehensive 𝗲𝗺𝗽𝗶𝗿𝗶𝗰𝗮𝗹 𝘀𝘁𝘂𝗱𝘆 𝗼𝗳 𝗚𝗣𝗧-𝟲-𝗔𝘀𝘁𝗿𝗮’𝘀 𝗲𝗺𝗯𝗼𝗱𝗶𝗲𝗱 𝗶𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝗰𝗲 ac...（X）
核心内容
商汤科技正式发布针对GPT-6-Astra的具身智能实证研究报告，该研究在规模与广度上实现突破，系统覆盖了12个主流仿真基准测试环境，并在8个不同的真机硬件平台上完成了实机验证。作为研究的核心产出，团队宣布开源SenseNova-RoboRSI具身智能框架以及配套的27B参数专用模型，旨在解决当前具身大模型落地难、验证成本高的问题，推动社区标准化评测与算法复用。
此次开源的27B参数模型在保持高性能的同时显著优化了计算效率，其推理成本仅为同等能力大模型的约1/50，大幅降低了端侧或边缘侧部署门槛。SenseNova-RoboRSI框架则提供了从仿真到真机的完整工具链支持，结合12个仿真基准与8类真机平台的广泛适配性，使开发者能够快速进行跨平台算法迁移与性能对齐，为具身智能从实验室走向工程化应用提供了关键基础设施。
关键看点
- 实证研究规模：GPT-6-Astra研究覆盖12个仿真基准测试与8个真机平台，构建了多维度具身智能能力评估体系
- 开源核心资产：正式开源SenseNova-RoboRSI框架及27B参数具身模型，支持社区复现与二次开发
- 推理成本优势：27B模型推理开销降至同类模型约1/50，显著提升具身大模型在资源受限场景下的部署可行性
- 跨平台验证：通过8个异构真机平台实测，验证了模型与框架在不同硬件形态上的泛化能力与迁移效率
工程与产业观察
该进展标志着具身智能研究从单一算法比拼转向“模型+框架+基准”的系统化开源生态建设。27B模型将推理成本压缩至1/50，直接回应了产业界对具身大模型端侧部署的经济性诉求；SenseNova-RoboRSI与多平台实证数据的开放，则为算法工程师提供了可复用的标准化验证底座，加速Sim-to-Real技术迭代。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。