最近具身智能圈又炸了,機器人基礎設施公司 XDOF 發佈了 GPT-6.2 Astra 的雙臂機器人真機實測結果,一下子把通用大模型能不能直接操控實體機器人這個老話題,又推到檯面上。
在行業公認的嚴苛物理操作基準 Ember-0 上,該模型 16 項任務綜合成功率從兩個月前的 19.6% 躍升至 41.2%,實現翻倍增長,更首次攻破打結、展開 T 恤兩項長期零通關的柔性操作難題。該結果隨後獲得 OpenAI Developers 官方帳號轉發,OpenAI 聯合創始人兼總裁 Greg Brockman 也公開認可其在機器人領域的表現。
Ember-0 的評測標準 —— 它並非模擬環境中的數字跑分,而是一套面向真實物理世界的雙臂機器人操作評測體系,從測試硬體、執行流程到資料統計都做了嚴格的工程化設計,目的就是過濾 “演示式成功”,還原模型的真實操作能力。
本次測試全部基於 YAM 雙臂機器人工作站完成,整套平台採用標準化機械臂、統一的視覺採集方案與控制介面,從硬體層面抹平不同裝置之間的性能差異。為了最大限度降低隨機誤差與偶然成功,XDOF 搭建了 6 台完全一致的工作站平行試驗,每項任務獨立重複執行 30 次,單日最高可完成 480 場實測。 所有測試過程均由人工標註子步驟完成度、抓取失誤與碰撞事件,最終資料會專門濾除硬體公差、環境擾動帶來的偏差,確保結果反映的是模型本身的決策與操作能力,而非硬體運氣。
Ember-0 的 16 項任務並非零散堆砌,而是按照能力難度梯度,覆蓋了人形 / 雙臂機器人落地所需的核心操作能力:
- 基礎物體抓取與擺放
- 空間推理與物理因果理解
- 感知記憶與語義指令遵循
- 精細力控與工具使用
- 雙臂協同操作
- 柔性物體形變處理
這套任務體系的設計邏輯是:基礎抓取是機器人的入門能力,而柔性操作、長程規劃、動態力控是當前行業的普遍瓶頸。也正因為梯度完整,它既能測出模型的基礎下限,也能檢驗模型的能力上限。
對比 GPT-6 Astra 與 GPT-6.2 Astra 的成績可以發現,本次提升並非某一兩項任務的單點刷分,而是全維度、全梯度的能力上漲,六大類任務的成功率均出現了不同幅度的提升。
1. 基礎抓取與物體操控
這類任務包括標準物體拾取、定點擺放、物品歸類等,是機器人操作的基礎項。上一代 GPT-6 Astra 在這類任務上已經具備一定能力,本次迭代後穩定性進一步提升,多數簡單抓取任務的成功率從 30%-40% 區間提升至 60% 以上,屬於基礎能力的常規鞏固。
2. 空間推理與物理因果理解
這類任務要求機器人理解物理世界的運行規律,而非單純執行預設軌跡,典型任務包括兩項:
- 拉動毛巾取回遠處毛絨玩具
目標玩具不在機械臂可達範圍內,機器人需要理解 “拉動毛巾可以帶動物體移動” 的物理邏輯,先拖曳毛巾再抓取玩具。 - 傾斜托盤讓球滾入碗中
需要控制托盤的傾斜角度、速度和方向,讓小球沿預期軌跡滾動並落入目標容器,對力度控制和軌跡預判要求很高。
這類任務在上一代模型中成功率普遍不足 15%,GPT-6.2 Astra 將整體水平提升至 35% 左右,核心進步在於模型對物理因果的判斷更穩定,不再頻繁出現 “伸手夠不到卻硬夠” 的低級邏輯錯誤。
3. 感知記憶與語義遵循
這類任務考驗的是 “視覺 + 記憶 + 語義理解” 的閉環能力,典型任務包括:
- 尋找被遮擋的馬克筆
馬克筆被遮擋物蓋住,機器人需要記住物體初始位置,移開遮擋物後完成拾取,考驗物體恆常性認知與短時記憶。 - 遵循紅色便簽上的隱藏指令
機器人需要先讀取便簽上的文字指令,再根據指令完成對應操作,考驗多模態語義理解與任務執行的聯動。
GPT-6.2 Astra 在這類任務上的提升,本質是多模態理解與動作決策的融合度變高,不再出現 “看懂文字但做不對動作” 的脫節問題。
4. 精細力控與工具使用
這是本次提升幅度最誇張的能力維度,也是工業場景最看重的指標之一,代表任務包括:
- 用夾子夾起面包
需要控制夾取力度,既不能夾碎鬆軟的面包,也不能因力度不足導致滑落。GPT-6 Astra 的成功率僅為 10%,GPT-6.2 Astra 直接躍升至 90%,是所有任務中提升最顯著的一項。 - 不捏碎薯片並移動
對接觸力度的精度要求更高,需要模型在視覺反饋下動態調整夾持力。 - 端麥片碗放上托盤
需要控制端舉過程中的姿態平穩,避免液體灑出。
這類能力的突破,意味著通用大模型已經從 “能抓到物體” 進階到 “能控制力度抓物體”,開始觸碰工業操作的核心需求。
5. 雙臂協同操作
雙臂任務要求左右機械臂配合完成同一目標,比如一手固定物體、另一手操作,或是雙手協同完成姿態調整,對動作時序、空間配合的要求遠高於單臂任務。GPT-6.2 Astra 在這類任務上的成功率從個位數提升至 30% 左右,擺脫了上一代 “雙臂輪流動、互不配合” 的問題,初步具備了協同操作的邏輯。
6. 柔性物體處理:本次評測的核心突破
這是 Ember-0 中難度最高、也最具行業標誌性的一類任務,包含給繩子打結和展開 T 恤兩項。在此前所有公開測試中,這兩項任務長期處於 “零通關” 狀態 ——Ember-0 累計完成 143 次 T 恤展開有效測試,沒有任何一款模型能夠完整完成任務。
在機器人操作領域,柔性物體處理長期被公認為通用模型的核心難點,也是區分 “演示級能力” 和 “實用級能力” 的關鍵門檻。 對於杯子、箱子等剛性物體,其幾何形狀穩定,抓取位置與運動軌跡相對可預測,模型依靠少量示教資料就能形成穩定策略。
但 T 恤、繩索這類柔性物體不同,形態會隨著機械臂的每一次接觸、拉扯持續變化,形變過程無法提前預判。機器人需要從視覺畫面中即時識別衣物角點、褶皺、繩索纏繞狀態,動態調整下一段動作,同時還要控制雙臂協同、接觸力度,避免操作失效前功盡棄。 在此之前,通用大模型在剛性物體抓取、定點擺放上已有成熟表現,但面對柔性物體、複雜接觸任務時普遍成功率極低。
GPT-6.2 Astra 首次以零樣本形式通關這類任務,證明通用多模態模型已經具備基礎的物理常識與動態推理能力 —— 不需要針對單一場景單獨訓練專用策略模型,僅憑通用底座就能完成一定複雜度的實體操作,這也是本次結果最具行業參考價值的部分。
本次測試最值得關注的一個前提是:GPT-6.2 Astra 全程以零樣本方式參與測試,沒有針對 Ember-0 基準、針對 YAM 機械臂做任何專項微調。 換言之,模型不是 “背下來了這 16 個任務怎麼做”,而是憑藉通用的視覺理解、物理推理、動作規劃能力,直接適配了一套從未見過的機器人硬體和任務集。
除了成功率翻倍,GPT-6.2 Astra 的另一項關鍵迭代是推理效率:平均單步預測延遲從 GPT-6 Astra 的 15 秒縮短至 10.1 秒,提速約 33%。儘管 10 秒級延遲仍遠達不到工業即時操作的要求,但對於通用大模型路線而言,速度與精度的同步提升,已經驗證了架構最佳化的可行性。
這一結果也得到了第三方獨立研究的佐證:新加坡國立大學 Jiafei Duan 教授團隊在自有測試平台 RoboColosseum 上驗證後表示,GPT-6.2 Astra 在真實機器人操作上表現突出,僅用一天就沖上了 SO-101 Elo 排名第一,進一步印證了能力提升的普適性,而非單一基準的特例。
值得關注的是,OpenAI 此前曾調整內部組織架構,裁撤了獨立的機器人硬體研發團隊,路線轉向更聚焦的軟體底座模式:不再自研機器人本體與專用控制方案,而是將機器人操控、物理世界理解能力沉澱進通用大模型,以基礎模型的形式向全行業輸出能力。本次 GPT-6.2 Astra 的表現,正是這一路線調整後的階段性成果。(未來機器人網)

