论文页面 - GPT-6-Astra 是否已经实现了具身智能？

来源：https://huggingface.co/papers/2610.22471 发布于 10 月 15 日

#2 每日热门论文 (https://huggingface.co/papers/date/2026-10-19) 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

GPT-6-Astra 通过上下文学习在多种机器人任务中取得了高性能，但在实际部署中暴露出在演示采集成本、执行时间以及实际具身智能方面的差距。

GPT-6-Astra 在机器人操作和导航方面展现出了足以挑战传统范式的能力——即为每个任务和每种本体分别构建专用模型的做法。在本报告中，我们不仅探讨 GPT-6-Astra 有多强，更关注其能力对整个领域意味着什么。首先，我们探究了独立 GPT-6-Astra 的能力边界。我们在 12 个代表性基准上进行了大规模评估，涵盖桌面操作、人形机器人、移动平台和灵巧手。在统一的评测协议下，允许模型从训练集演示中进行上下文学习（ICL），并大幅增加执行步数，GPT-6-Astra 取得了前所未有的性能（图 1）。未来的研究可以聚焦于改进以下方面：1）ICL 的泛化性；2）成本与执行时间；3）物理状态验证；4）不可逆故障后的恢复；5）长时程任务的进度保持。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（如 π0.5）之间的闭环协调虽然成本高昂，但非常有效。第三，我们在真实世界部署中检验了 GPT-6-Astra 的表现。在 8 种机器人配置上的实验揭示了显著差距：1）ICL 所需的机器人演示数据采集成本高昂；2）在物理约束下，用更长的执行时间换取更高成功率的方案并不现实。第四，我们展望了下一代具身基准的设计。我们开发了一个原型，其特点为：1）从真实需求中衍生任务；2）不提供任何领域内演示；3）在智能体思考的同时，按照持续运行的世界时钟来评判其表现。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门槛。

查看 arXiv 页面 (https://arxiv.org/abs/2610.22471) 查看 PDF (https://arxiv.org/pdf/2610.22471) 项目页面 (https://sensenova.ai/has-gpt-6-astra-achieved-embodied-intelligence) GitHub 76 (https://github.com/OpenSenseNova/SenseNova-RoboRSI) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.22471)

在你的智能体中获取此论文：

hf papers read 2610.22471

没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2610.22471，即可在此页面建立关联。

引用此论文的数据集 0

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2610.22471，即可在此页面建立关联。

引用此论文的 Spaces 0

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2610.22471，即可在此页面建立关联。

收录此论文的合集 0

暂无合集收录此论文

将此论文添加到合集，即可在此页面建立关联。