GPT-6 Astra 在机器人智能测试中表现突出

9月16日消息，银河通用机器人团队利用 GPT-6 Astra 模型进行了双臂机器人的仿真测试。测试采用了一种“混合控制”策略：由专门的具身模型 π0.5 负责生成初步动作，而 Astra 则充当“审核员”，根据视觉画面、执行历史和机械臂轨迹来判断是否需要修正这些动作。 数据显示，这种分工合作的模式效果显著。在包含50个任务的 RoboDojo 测试中，混合策略的成功率达到48%，远高于 Astra 单独控制时的26%。更重要的是，Astra 实际介入修正的步骤仅占总步骤的14.4%，这使得计算资源消耗（Token）比独立控制降低了约44.8%。而在以语义理解为主的 RoboLab 抓取放置测试中，Astra 独立控制的表现依然强劲，50次测试中成功了49次。 总体而言，测试表明 Astra 在理解指令、识别目标和纠错方面表现出色，但在需要精细操作的环节（如抓取、力度控制和双臂协调）仍存在短板。因此，将其与擅长具体操作的具身模型结合，能带来更稳定的整体表现。 此外，有行业消息指出，OpenAI 正通过第三方机构大规模采购千万小时级别的机器人训练数据，并投入百亿人民币级别的资源加速布局具身智能领域。但截至目前，OpenAI 官方尚未证实具体的采购规模和投资金额。