GPT-6-Astra 是否已经实现具身智能？

arXiv:2610.22471v1 发布类型：cross 摘要：GPT-6-Astra 在机器人操作与导航方面展现出的能力，已经对针对单个任务和单一实体形态构建专用模型这一传统范式提出了挑战。在本报告中，我们不仅探讨 GPT-6-Astra 的能力有多强，还研究其能力对该领域意味着什么。首先，我们探究独立运行的 GPT-6-Astra 的能力上限。我们在涵盖桌面操作、人形机器人、移动平台和灵巧手的 12 个代表性基准上开展大规模评测。在统一协议下，模型可以从训练集示例中进行上下文学习（ICL），并且执行步数大幅增加，GPT-6-Astra 取得了前所未有的性能（图 1）。未来研究可重点改进以下方面：1）ICL 的通用性；2）成本和执行时间；3）物理状态验证；4）从不可逆失败中恢复；5）在长时程任务中保持已有进展。其次，我们研究了用于具身控制的智能体框架。我们发现，高层“系统 2”推理器（即 GPT-6-Astra）与低层“系统 1”控制器（例如 {\pi}0.5）之间的闭环协调虽然成本高昂，但行之有效。第三，我们考察了 GPT-6-Astra 在现实世界部署中的表现。在 8 种机器人配置上的实验揭示了显著差距：1）ICL 所需的机器人示例采集成本高昂；2）受物理约束影响，难以通过延长执行时间来换取更高的成功率。第四，我们展望下一代具身基准。我们开发了一个原型系统，其特点是：1）从现实世界需求中生成任务；2）不提供领域内示例；3）根据一个在智能体思考期间仍持续运行的世界时钟对智能体进行评判。综合来看，我们的结果表明，GPT-6-Astra 在很大程度上已经跨越了具身能力的门槛，但尚未达到实用具身智能的水平。