内容提要
XDOF实测显示,GPT-6.2 Astra操控双臂机器人完成16项任务的综合成功率从GPT-6 Astra的19.6%升至41.2%,翻了一倍多。其中“给绳子打结”和“展开T恤”两项此前无AI通关的任务首次被拿下,夹面包成功率也从10%升至90%。这体现通用大模型在柔性物体操控、双臂协作和长程规划上的突破,但推理延迟仍约10秒,实时性有待提升。
延伸解读
评测严谨性:数据可信度较高
XDOF的Ember-0基准采用六台YAM工作站并行测试,每项任务重复30次,单日完成480场实测,并由人工标注子步骤、抓取失误与碰撞,以滤除硬件偏差与随机扰动。这种高重复、人工介入的评测方式,使得成功率数据具有较高的统计可信度,也解释了为何GPT-6.2 Astra的进步并非偶然。
柔性物体操控:从零到一的突破
“给绳子打结”和“展开T恤”此前在Ember-0上从未有模型成功,累计143次T恤展开测试无一通关。GPT-6.2 Astra首次拿下这两项,意味着模型在形变控制、双臂协调、精细操作和长程规划等综合能力上取得实质性进展,而非依赖单点优化。
推理延迟:实时性仍是短板
尽管GPT-6.2 Astra的平均预测延迟从15秒降至10.1秒,但每次输出动作块之间仍有十余秒等待,机械臂无法实时微调。对于需要连续感知和快速响应的机器人操作,10秒延迟依然偏高,这限制了模型在动态环境中的实际部署。
行业影响:通用模型持续冲击具身智能
从英伟达测试GPT-6 Astra充当机器人策略模型,到Claude在模拟环境中展现复杂操作,再到Gemini延伸至机器人控制,通用大模型正不断刷新具身智能的能力边界。GPT-6.2 Astra在两个月内实现成功率翻倍并攻克多项零分任务,表明这一趋势正在加速。
Q&A
GPT-6.2 Astra在机器人操作任务上的成功率比上一代提升了多少?
在XDOF的Ember-0测试中,GPT-6.2 Astra操控双臂机器人完成16项操作任务的综合成功率从GPT-6 Astra的19.6%提升至41.2%,增加了21.6个百分点,翻了一倍多。
GPT-6.2 Astra首次攻克了哪两项此前无AI能完成的任务?
GPT-6.2 Astra首次成功完成了“给绳子打结”和“展开T恤”这两项任务。此前Ember-0累计进行了143次有效的T恤展开测试,没有一个模型成功。
为什么给绳子打结和展开T恤对机器人来说特别困难?
这两项任务涉及柔性物体,其形态会随机械臂接触不断变化,形变难以预测。机器人需要理解任务目标,从视觉画面判断衣物的角点、褶皱和整体形态,并决定下一步动作,对操作精度和双臂配合要求极高。同时还需具备形变控制、双臂协调、精细操作和长程规划等综合能力。
GPT-6.2 Astra在推理速度上有改进吗?目前延迟是多少?
有改进。其平均预测延迟从GPT-6 Astra的15秒下降至10.1秒。但10秒左右的等待时间对于需要连续感知、快速响应的机器人来说仍然较长,实时性有待提升。
Ember-0测试基准是什么?它如何评估机器人能力?
Ember-0是XDOF推出的面向真实物理环境的机器人评测基准,使用双臂机器人完成16项操作任务,每项任务重复30次。测试覆盖空间推理、物体抓取、双臂协作、工具使用、精细操作和柔性物体处理等能力。评测使用六台YAM工作站并行试验,单日可完成480场实测,并由人工标注子步骤、抓取失误与碰撞。
GPT-6.2 Astra在哪个任务上成功率提升最明显?
在用夹子夹起面包的任务上提升最明显:GPT-6 Astra的成功率只有10%,GPT-6.2 Astra则提升到了90%。