博主演示纯视觉机器人操作:两个腕部 RGBD 加 GPT6 直出动作

ChongZzZhang · x · 2026-09-21

博主 ChongZzZhang 展示了一段（4x/12x 加速的）机器人操作视频：策略不依赖基础/世界模型观测，也没有夹爪反馈，仅凭同一腕部上的两个 RGBD 相机做纯视觉理解，由所谓的 "GPT6 as policy" 直接从双目画面和指令输出末端执行器（ee-frame）动作。演示任务包括"找到（可被遮挡的）木盒并放到黄色标牌上""把木盒堆叠起来"，作者称成功率接近 100%（留有重试的推理 token 与时间）。注意 "GPT6" 说法未经官方证实，实验条件也仅是博主自述。