Astra等系统疑零样本刷机器人基准，学界陷绝望与争论

9月13日起，NYU机器人学教授Lerrel Pinto在多条帖文（含转发UC Berkeley的Ken Goldberg评论）中反复表达同一观察：过去一周机器人学界弥漫深切的绝望情绪，因为Astra、Fable、Muse等系统正在机器人与世界模型基准上实现零样本（zero-shot）超越。他的基本判断是：这颗药丸虽难以下咽，但这就是技术跨代跃进该有的样子，学界需要适应这种由前沿系统驱动的进步节奏。讨论随即出现质疑与补充声音。

已确认

• Pinto一方（含博主FinanceYF5、Scobleizer等转述）均称Astra、Fable、Muse等系统在机器人基准与世界模型任务上零样本跑出结果，Pinto将其定性为「断崖式/阶跃式」能力跃升。
• 知名研究者yoavgo转发反驳：新模型确实解决了其团队长期攻关、原本预期困难的问题，但这些模型并非零样本，而是对每个任务训练到极致，质疑「零样本」的说法本身。
• 回应者Kostas Penn对「学界绝望」的悲观氛围表达了不同看法。
• 学者Aviv Tamar在同一讨论中提醒：机器人触觉问题并未被解决，可用的触觉训练数据也非常少，仍是值得深耕的研究方向。

尚未确认

• Astra、Fable、Muse等系统是否真正以零样本方式取得基准成绩：Pinto一方如此描述，yoavgo则明确质疑其训练方式，「零样本」定性仍存争议。
• 各转述帖均未附具体基准成绩、数据与出处，刷榜细节本身缺乏一手佐证。

为什么重要

• 若零样本系统未经针对性训练即刷新基准，意味着传统「针对基准设计方法再刷分」的研究范式可能被系统性超越，对学术界的选题与评价方式构成冲击。
• yoavgo的反驳提示：在断言范式被颠覆之前，需厘清这些模型的真实训练方式，「零样本」标签本身可能被夸大。
• Tamar的补充指出缺口所在：触觉感知与相关数据仍是未被这些系统覆盖的方向，可能成为学界新的发力点。

2026-09-13 ~ 2026-09-14 · 8 条相关

• 【源头】Astra/Fable/Muse 零样本刷新机器人基准，学界陷悲观 — LerrelPinto · 2026-09-13
• 【源头】机器人学界陷入绝望:Astra等系统零样本刷新基准,NYU教授称进步是断跃 — LerrelPinto · 2026-09-13
• Lerrel Pinto 转发引谈:机器人触觉远未解决,训练数据严重不足 — LerrelPinto · 2026-09-13
• 【源头】yoavgo 质疑：机器人新模型并非零样本，而是对每个任务训练到极致 — benno_krojer · 2026-09-13
• 博主称 Astra、Fable、Muse 在机器人与世界模型基准零样本出结果 — FinanceYF5 · 2026-09-14

另有 3 条近重复转述:LerrelPinto · Scobleizer · MikeShou1