搜索
GPT-6 Astra 在具身智能测评中展现显著优势
11 小时前
一份匿名仿真测评报告显示，混合GPT-6 Astra架构在具身智能测评中以62.6分大幅领先，实现了架构层面的降维打击。该架构结合了GPT-6 Astra的语义判断修正能力与π₀.₅的物理空间交互动作先验，形成互补。测评通过RoboDojo和RoboLab两组实验进行验证：在RoboDojo的10类复杂任务中，GPT-6 Astra直接控制的成功率仅为26%，但与π₀.₅结合后，成功率提升至48%，平均分达到62.6。Astra主要在关键节点修正动作，两类模型的互补性显著。在RoboLab的语义理解任务中，GPT-6 Astra直接控制的零样本成功率高达98%，显示出极强的泛化能力，但这一成绩仅作为能力上限的参考。GPT-6 Astra擅长语义理解、视觉识别、任务规划及错误恢复，能够形成观察-决策-执行的闭环，并探索新策略。然而，在精细接触、稳定抓取等物理交互任务中，其表现较弱，而π₀.₅的动作先验则能有效弥补这一短板。不过，当前方案的推理成本极高，且仅在仿真环境中进行了测试，距离实际部署还有一定距离。报告指出，大模型的认知泛化能力已扩展至具身智能领域，但无法完全替代具身模型的物理交互能力，二者的结合是可行的路径，而能力的根源在于数据与算力。面对OpenAI的百亿投入，中国具身智能需依托丰富的应用场景和产业链，将场景转化为高质量数据，以提升模型能力。
