GPT-6 Astra 免微调当机器人策略：成功率 22.48% 碾压全部公开方案

ben_j_todd · x · 2026-09-22

arXiv 论文《An Unexpected Robot Policy》评估「LLM 即策略」（LLM as Policy）设定：不做事任务微调，直接让 LLM 输出机器人操作动作。在 RoboDojo 全部 42 个任务、2100 次试验中，GPT-6 Astra 平均成功率 22.48%、得分 28.97，超过全部 40 个公开策略；而同后处理的 GPT-5.5 和 DeepSeek-Flash 仅 0.88% 和 1.92%。论文发现 Astra 能力高度两极化：擅长需要语义理解的任务，但不擅长高精度控制、动态控制和复杂双手协调；上下文单样本演示无总体收益，轨迹中可见扰动后的回合内自我纠错。