外观
新闻X6 天前
GPT-6-Astra评测：LIBERO趋饱和但物理验证与错误恢复仍失效
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Rohan Paul (@rohanpaul_ai)（via AIHOT）：New paper finds that GPT-6-Astra nearly saturates easy robot benchmarks but still fails to verify physical success and recover from irrev...（X）
核心内容
最新研究对GPT-6-Astra模型在12个机器人操作基准上进行了系统评测。结果显示该模型在RoboDojo基准取得81.9%成功率，DexJoCo基准达87.3%，且在LIBERO仿真套件中性能接近饱和上限，表明其在标准化简单任务规划与执行层面已具备极高成熟度。
尽管量化指标优异，GPT-6-Astra在真实物理交互环节暴露核心短板：缺乏对物理任务成功状态的可靠验证能力，且面对不可逆操作错误时无法自主恢复。这揭示了当前具身大模型在仿真高分与真机鲁棒性之间存在显著鸿沟，单纯提升Benchmark分数并未解决物理接地与长程容错难题。
关键看点
- 基准高分：GPT-6-Astra在RoboDojo和DexJoCo基准分别获81.9%与87.3%成功率
- 仿真饱和：模型在LIBERO套件表现接近性能天花板，简单任务规划能力趋于完备
- 物理验证缺失：模型无法准确判断真实环境中操作任务是否真正成功完成
- 容错瓶颈：面对不可逆物理错误时缺乏自主恢复机制，真机部署安全性受限
工程与产业观察
GPT-6-Astra在标准仿真基准的高分与物理验证能力的缺失形成鲜明对比，提示行业需重新审视具身智能评价体系。算法研发应从刷榜转向构建包含物理状态反馈与错误恢复的复杂评测集，强化Sim-to-Real闭环验证，避免模型陷入仿真过拟合陷阱。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。