Ditto-Bench 实测 GPT-6 Astra 机器人控制：复杂任务仍易卡壳
anand_bhattad · x · 2026-10-09
JHU 研究者 Lin Long 与 Jaemin Cho 发布 Ditto-Bench 及分析博客，系统检验 OpenAI 新发布的 GPT-6 Astra 在机器人控制上的真实水平。
做了什么
- 构建 Ditto-Bench：简单目标 + 挑战性物理（复杂几何约束、精确接触、即兴工具使用），对比 Astra 与 MolmoAct2
- 系统消融关键设计：控制接口（线性运动 vs. action chunking）、记忆、推理力度（更多思考是否更好）
- 探索能否从自身失败或他人示范中学习（in-context learning）
结论方向：Astra 在简单任务上表现出色、对静态场景语义理解扎实，但在更具挑战的物理约束任务上会卡住；博客与完整代码均已开源。这是首批对 Astra 机器人能力的独立系统评测之一。
所属事件:Ditto-Bench 实测 GPT-6 Astra 机器人控制能力(4 条相关)→
「具身」频道最新
- 开源模型驱机器人为幼儿整理房间:Qwen3-8B+GR00T 一周搞定 — chris_j_paxton · 2026-10-09
- 实测 OpenAI 新 Decisions API:支持图像输入,重做机器人实验 — RexDouglass · 2026-10-09
- µ0 世界模型开源数据引擎 TraceExtract:纯视频训练机器人策略 — RexDouglass · 2026-10-09
- 机器人格斗赛门票 24 小时内售罄,下一轮放票更快 — cixliv · 2026-10-09
- NVIDIA 展示用前沿 AI 模型在 Omniverse 里自然语言搭仿真应用 — nordicinst · 2026-10-09
- NVIDIA 展示六大项目:用 Astra 智能体把想法变成 Omniverse 仿真应用 — NVIDIA Blog · 2026-10-09