Skip to content

新闻量子位昨天

GPT-6.2 Astra具身任务成功率翻倍,首通柔性物体操控 ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准:GPT-6.2 Astra再次暴击具身模型:16项任务成功率较GPT-6 Astra翻倍(量子位)

核心内容 ​

机器人基础设施公司XDOF基于六台YAM工作站并行测试,对GPT-6.2 Astra进行严苛评测。在Ember-0基准的16项双臂操作任务中,该模型综合成功率从GPT-6 Astra的19.6%跃升至41.2%,每项任务重复30次以滤除随机扰动。OpenAI联合创始人Greg Brockman确认该进展,新加坡国立大学团队亦证实其在RoboColosseum SO-101 Elo排名登顶,标志着通用模型在真实物理环境操作能力的阶段性跨越。

技术层面,GPT-6.2 Astra攻克了“给绳子打结”与“展开T恤”两项此前零成功的柔性物体操控难题,解决了无触觉反馈下形变控制、双臂协同及长程规划挑战。在精细力控任务“夹起面包”中成功率由10%飙升至90%,平均预测延迟从15秒优化至10.1秒。尽管实时性仍存瓶颈,但模型已展现出对遮挡感知、工具使用及非刚性物体状态追踪的强泛化能力,推动VLA模型从刚性操作向复杂接触场景演进。

关键看点 ​

  • Ember-0基准突破:16项双臂操作任务综合成功率达41.2%,较GPT-6 Astra提升21.6个百分点,单日完成480场标准化实测验证
  • 柔性操控首通:全球首次完成打结与展开T恤任务,突破无触觉反馈下的形变控制、双臂协调与长程规划技术瓶颈
  • 精细力控跃升:夹取面包任务成功率从10%提升至90%,平均推理延迟由15秒降至10.1秒,改善连续操作响应效率
  • 多模态泛化验证:在RoboColosseum SO-101评测Elo排名第一,证实通用大模型在空间推理、工具使用及隐藏指令遵循上的泛化能力

工程与产业观察 ​

GPT-6.2 Astra在Ember-0基准的成功率翻倍与柔性操作零的突破,验证了通用多模态大模型作为具身策略核心的可行性。尽管10秒级推理延迟仍是实时控制瓶颈,但其在无触觉条件下解决长程形变任务的能力,为VLA模型从仿真/刚性场景迈向真实复杂物理交互提供了关键工程参照,预示具身智能正加速进入通用化新阶段。

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. 量子位:GPT-6.2 Astra再次暴击具身模型:16项任务成功率较GPT-6 Astra翻倍 ↗访问 2026-11-21