9月，OpenAI发布了被其称为迄今能力最强的模型GPT-6 Astra。很快，一项针对它的机器人测试在业内流传开来：在没有进行机器人专项适配的情况下，GPT-6 Astra在多项任务中展现出了很强的零样本泛化能力，能够理解指令、识别目标、判断空间关系，还能根据执行反馈调整动作、修正错误。

这项测试来自银河通用机器人团队。

依托长期积累的仿真与评测体系，银河通用第一时间把GPT-6 Astra放进机器人任务中，试图看看，一个在数字世界里能力已经足够强大的通用模型，究竟能把“智能”带进物理世界多远。

结果很快摆在了桌面上。

这组测试一方面让人看到了通用大模型向具身智能延伸的速度，另一方面也把一个长期存在的技术问题摆得更加清楚：模型能够理解任务、进行推理，并不意味着它已经掌握了物理世界的全部操作能力。

GPT-6 Astra擅长的是“想”——语义理解、视觉感知、任务规划、异常推理；机器人要真正干活，还得解决“做”——抓取、接触、力控、轨迹和双臂协调。

也正是在这条“想”与“做”的缝隙中，银河通用的这次测试，给出了一个值得整个行业关注的答案。

研究用两种用于仿真双臂操作的闭环控制架构进行了分析

1.混合控制（π0.5+GPT-6 Astra）。π0.5和GPT-6 Astra结合。每个决策时刻，π0.5先生成50步候选动作。GPT-6 Astra看同一份画面、执行历史，还有候选动作对应的双臂轨迹，然后选择沿用π0.5的输出或GPT-6 Astra模型进行末端位姿修正。

2.独立控制（GPT-6 Astra [direct]）。不运行π0.5，GPT-6 Astra直接作为策略，根据当前观察判断接下来该怎么做。

实验结果展示了惊人的结论，GPT-6 Astra已展现出很强的机器人策略能力：它能从任务语义出发提出动作，纠正目标对齐错误，进行非抓取操作，并根据执行反馈推理和恢复。它的优势不仅在于生成动作，还在于遇到特殊情况时重新理解“现在应该做什么”。

π0.5以较低的推理开销提供熟练的动作轨迹和物体交互先验。GPT-6 Astra在其基础上判断目标、处理异常并作出针对性修正。两者结合后，仅14.4%的执行控制步由GPT-6 Astra修正。

实验结果表明，混合控制模式下，在RoboDojo任务子集上获得了更高的成功率，成功率达到48%，平均分数62.6，较第二名大幅提升64%。

而另一项基于RoboLab的研究下也进一步验证，完全基于GPT-6 Astra的Direct控制架构，甚至能达到接近完全成功。

实验结果

在基于RoboDojo任务子集的分析中，混合策略在50个任务实例中成功24次，GPT-6 Astra（direct） 成功 13 次，成功率分别为48%与26%，相差22个百分点。平均Score分别为62.60与37.81。

Score热力表成功率热力表

语义类任务（按语言分类、模仿排序、排出最大数字）：π0.5几乎零分（0.60、1.60、2.29），混合架构直接拉到38-53分。这些题难在“想”——你得读懂指令里哪个类别对哪个篮子，得记住刚才示范的顺序，得知道9要摆在7前面。一个靠模仿轨迹长大的VLA，最难学的就是这些，GPT最擅长的也是这些。

接触类任务（搭塔、麻将杠牌）：混合架构64和40分，GPT自己上手只有12分和0分。需要手感的地方，GPT做不好。

柔性物体任务（叠衣服）：π0.5只有29.12分，混合架构100分。GPT能帮π0.5纠正方向。

简单任务（瓶子入桶）：π0.5本身就有79.93分，混合架构100分。

较少的修正，更高的完成率

全部50条混合轨迹共执行42,750个控制步。其中36,576步（85.6%）沿用π0.5π0.5动作，6,174步（14.4%）由GPT-6 Astra 修正。模型在决策时持续审核候选动作，但实际替换的动作只占较少部分。

3.1 纠正Grounding错误

GPT-6 Astra可以根据指令与视觉观察，纠正候选动作中的目标选择、空间位置和操作方向错误，将动作重新对齐到当前任务。

排列数字

3.2 三维规划与非抓取操作

GPT-6 Astra不只沿用“接近—夹取—搬运”的固定形式，也会结合物体与夹爪的三维关系，先拨动、推移或调整接近方向，再抓取物体。下面的片段展示了这种围绕接触几何展开的局部3D planning，以及修正后交回π0.5π0.5继续操作的过程。

先拨动物体再完成抓取

3.3 根据未终止反馈推理并修正

完成表面上的操作后，GPT-6 Astra会自主注意到仿真器尚未终止，推测可能是遗漏物体、目标姿态或结构摆放仍未满足要求，再通过观察和动作验证猜测。这体现了将任务语义与终止反馈结合的reasoning能力，而非只重复原来的动作。

搭塔，针对未满足的终态进行二次纠错

效率的提升：更少的Token，更高的成功率

混合架构的成功率为48%，Direct为26%；而从选定轨迹累计记录的token来看，分别约为624.8M与1.13B，混合架构减少约44.8%。也就是混合架构用更少的Token，实现了更高的成功率！

RoboLab：单臂Franka上的零样本评测

研究还在另一个单臂Franka benchmark——RoboLab上，与常见baseline进行了对比。

GPT-6 Astra（direct）在这组任务上表现接近全成功：49/50（98%），其中9个任务达到5/5。π0.5π0.5+GPT-6 Astra为46/50（92%），略低6个百分点，相差3条轨迹；但相对π0.5π0.5的18/50（36%），混合方法仍提高了56个百分点。

这次测试，独立架构获得了更高的成功率。这很有可能是因为本次选中的RoboLab任务以带有语义要求的pick-and-place为主，模型需要辨认目标、区分大小或颜色、理解容器与空间关系，再组织抓取和放置；此外还包含顺序叠方块与杯子姿态调整。这样的任务构成有利于发挥GPT-6 Astra的语义理解、空间判断与闭环规划能力。

另一个可能的因素是学生策略的任务适配程度。因此，当语义抓放已能被Direct稳定解决，而学生缺少任务适配时，加入学生再纠正并不一定进一步提高成功率。

GPT-6的物理局限性

正确理解目标不等于稳定完成接触。混合策略仍可能反复抓取失败、在容器边缘碰撞，或未及时识别已经丢失的任务进度。反复尝试会消耗原生步数预算；此外，模型在动作段边界接收反馈，段内的滑落可能到下一次观察才被发现。

研究还分析了一些在GPT-6模式下出现的有趣但不一定鲁棒或物理不可实现的情况。由于缺少具身Policy提供的成熟动作与物体交互先验，模型需要自行解决抓取、支撑、接触、释放及双臂协调中的细节，一些看似合理且有趣的方案在实际执行时并不稳定。

6.1 Zero-shot行为：有趣的方案，不一定鲁棒的动作

GPT-6 Astra（direct）会尝试用机械臂把瓶子扫进桶、单手抓取搭塔板，或以单臂完成原本适合双臂协作的操作。这些都是对同一目标的不同实现方式，而非单纯的任务理解错误。问题在于：提出一种可能有效的操作，与稳定地执行该操作，是两个不同层次的能力。缺少成熟动作先验的支撑时，方案可能忽略可靠的抓取姿态、足够的支撑或适当的释放时机，使局部可行的动作难以转化为稳定的任务完成。具身Policy的价值不只在于提供一个动作答案，还在于提供经过交互经验形成的执行模式，让语义层面的方案建立在更可靠的操作基础上。

6.2 本体控制困难与局部恢复

两种架构都接收本体状态。Direct的困难在于将这些信息有效地转化为可达的EEF目标，并处理关节限制、姿态和接触关系。这会带来重复尝试与控制失效。

数字摆放任务中也出现了很精彩的恢复：模型在运动受阻后重新理解机械臂的控制反馈，调整动作并继续执行。它展示了GPT-6 Astra对控制约束的局部适应能力，而不只是被动地重复失败命令。

数字摆放：理解控制反馈后的精彩恢复

Scaling Law，正被具身智能验证

GPT-6 Astra带来的信号已经足够清晰。

随着模型规模、训练数据和算力不断扩大，通用大模型正在快速获得进入物理世界的能力。过去需要针对特定任务、特定机器人反复训练的部分能力，现在已经可以通过更强的预训练和零样本泛化直接迁移出来。

这也解释了为什么，美国正在把越来越多的资源投向这条赛道。

2026年2月，OpenAI宣布获得1100亿美元新增投资；此后又迅速完成1220亿美元新一轮融资。与此同时OpenAI持续扩大Stargate等算力基础设施，也在不断强化数据获取和模型训练能力。

与此同时，机器人训练数据也正在变成新的产业基础设施。美国已经出现专门为前沿AI实验室采集机器人数据的公司，并明确将大规模真实世界物理数据视为训练Physical AI的关键瓶颈。

而据业内人士透露，OpenAI已经开始通过数据采集机构购买了千万小时级具身数据，并投入百亿元人民币级别的资源推进这一方向。

资本在加码，算力在扩张，数据也在被抢。

这意味着，美国正在用大规模资金、资源投入加速补齐具身智能能力。而这一次测试恰恰说明，数据和规模带来的能力跃迁，在具身智能领域已经开始显现。

但同样值得庆幸的是，GPT-6 Astra的表现也证明了一件事：通用大模型的强大，并没有抹平具身智能的价值。

在搭塔、杠牌等需要物理接触和稳定控制的任务上，GPT-6 Astra依然暴露出明显短板；与π0.5结合后，模型更多承担的是任务判断、异常识别和动作纠偏，而成熟的具身策略仍然负责把这些判断落到具体动作上。

这意味着，未来的具身智能不会只是“大模型+机器人”这么简单。

谁能拥有更大规模、更高质量的具身数据，谁就更有机会把模型的认知能力不断向物理世界延伸；谁能把机器人本体、数据采集、模型训练和真实场景真正连起来，谁就更容易形成持续进化的能力闭环。

这也是这次研究给中国具身智能最直接的启示。

如果中国还按照过去的节奏各自发展、分散投入，甚至把大量精力消耗在行业内部的争吵和内耗上，那么真正需要警惕的，就不是某一家企业的输赢，而是中国具身智能整体错失这轮关键的技术窗口。

面对美国正在加速推进的具身大模型竞争，中国现在最需要的是多干事、少争吵；多投入、少内耗。

大数据训练带来的跃迁已经开始被验证，数据和算力投入不能再慢。

中国今天拥有机器人制造、产业链和真实应用场景上的优势，这是非常重要的先手。但如果美国依靠百亿乃至更大规模的资本投入，持续扩张算力、获取数据、训练通用模型，我们就不能把今天的优势当成明天的答案。

下一阶段，需要进一步加大具身智能的数据、算力和基础设施投入，支持真正能够长期做模型、做本体、做数据、做场景的头部企业，把产业优势尽快转化成数据优势、模型优势。

让机器人进入更多真实场景，持续产生高质量数据，再反哺模型训练，形成“硬件—数据—模型—落地”的正向循环。

美国正在用钱买数据、买算力、买时间，中国则要把自己的产业场景真正变成数据源，把制造能力变成模型训练的底座。

谁能率先把硬件、数据、算力、模型和真实场景真正闭环，谁才更有可能拿到下一代具身大模型的入场券。