GPT-6 Astra 机器人实测：任务决策强，物理控制仍是短板
Galbot · hf · 2026-10-01
Galbot 系统评估了 GPT-6 Astra 作为通用具身策略（embodied policy）的能力，覆盖六大领域：
- 抓取操作：可修正任务目标、为后续策略准备接触条件；与 π0.5 混合控制在 RoboDojo 子集上成功率达 48%。
- 灵巧手操作：混合控制在 10 次 DexJoCo 试验中成功率 50%，但直接手指控制难以协调接触。
- 移动操作：混合控制在 RoboCasa365 上成功率 38.7%。
- 导航：RxR 指令跟随成功率 92%、HM3D 物体搜索 82%，但搜索绕路明显。
- 运动控制（locomotion）：密集动作参考生成不可靠，5 次连续障碍跑无一到达终点。
- 人形全身控制：在 HumanoidBench 30 项任务中的 13 项超过基线。
核心结论：任务决策能力与可靠物理控制之间存在明显差距。推理延迟是实际控制的硬约束——每个条件下 50 个 RoboDojo 实例消耗 6.248 亿至 11.32 亿 token；30 秒运动任务需 250 次模型调用，平均每次 39.86 秒，且推理期间物理仿真需暂停。
「具身」频道最新
- 西方机器人公司忽视「便宜」，人形机器人竞争本质是成本战 — hudzah · 2026-10-01
- 博主预言人形机器人将进驻酒店洗衣等场景 — CyberRobooo · 2026-10-01
- NVIDIA 发布 Instant NuRec：1.5 秒前馈重建驾驶场景 3DGS 世界 — rsasaki0109 · 2026-10-01
- 清华博士创业做餐饮后厨机器人，已完成千万级种子轮 — 创业邦 · 2026-10-01
- 清华 RoboCoach 用世界模型当教练,150 次演示把成功率从 13.3% 拉到 75% — Tsinghua · 2026-10-01
- GGSD：用游戏自博弈发现人类可直接操控的具身技能，零训练解新任务 — Seungeun Rho · 2026-10-01