NVIDIA 实测 GPT-6 Astra 当机器人策略:Agentic 方案达 74.8%
ZeeshanZiaML · x · 2026-11-10
NVIDIA 发布 CoRL 2026 实证研究《Astranomy》,检验通用大模型 GPT-6 Astra 能否直接充当语言条件操控的机器人策略。研究在 RoboLab-120 全基准上对比三种用法:
- Direct Policy:不加框架直接生成动作;
- Agentic Policy:让 Astra 以 Codex 为 agent、在持久上下文中调用工具;
- Orchestrated Policy:Astra 只做监控与调度,动作生成交给机器人基础模型。
关键结论:最佳 Agentic Policy 达到 74.8%,说明 Astra 具备通用抓取放置能力,但单次推理平均耗时 18.56 秒,延迟与 token 成本成为实用化核心约束。研究还消融了动作表示、几何信息、观测历史与任务说明等推理时配置对三种策略的影响。
帖子语境中作者确认 Astra 是 VLM、以机器人专用数据训练,展示成绩多半来自带工具的 agentic harness。
「具身」频道最新
- ODE Policy 用神经 ODE 学动作动力学,跨任务生成机器人轨迹 — ntumars · 2026-11-10
- 上交大 AutoLab 发布 A²-MEAS:校正代码驱动的具身多智能体框架 — AutoLab-SJTU · 2026-11-10
- 机器人打鼓？不，机器人本身就是鼓 — carlosdponx · 2026-11-10
- 篡改画面文字即可诱导前沿模型执行危险动作，研究结果将登 CoRL — gabriberton · 2026-11-10
- 0.09B 小模型在 LIBERO 拿 97.6%，超 π0 与 OpenVLA，作者质疑操作基准区分度 — anand_bhattad · 2026-11-10
- 开发者用 1.9B 模型本地看监控，自动提醒服务员清理餐桌 — JosephJacks_ · 2026-11-10