多家具身团队实测GPT-6 Astra：会理解、会纠错，但动作还不够稳

虽然是一款通用语言模型，但GPT-6 Astra（以下简称Astra）一经发布后，其在三维空间感知与建模能力上却有了突飞猛进的进展，引发了机器人从业人员的高度关注。近期，国内多个机器人团队对Astra进行测试，并先后公布了针对Astra的具身操作与空间推理实测结果。

综合多项实验结果来看，Astra在通用推理、跨场景理解和视觉空间锚定等方面（Visual Grounding）能力效果惊艳，行业研究者普遍评价“在很大程度上已经跨过了具身能力的门槛”，但距离真正把动作做对、做稳，还做得准确仍然有明显距离。

Astra开始“更懂空间”了

过去的大语言模型如果接入机器人，常常能听懂人话，可以把“去厨房拿水”拆成几个步骤，但真正到了机械臂怎么伸、往哪抓，全得靠底层专用的控制程序。

但近期的一系列测试显示，Astra在连接“语言指令”与“三维目标”的感知环节，展现了较高的空间推演水准。

10月19日，大晓机器人团队公布的对Astra多项公开基准测试中，Astra在“模型能不能根据语言指令在图片里准确指出目标位置”测试中获得75.36分，在“空间指代与关系理解”评测中获得80.14分；在“视觉计数”评测中达到88.10分。在大晓机器人自建、覆盖目标定位、小物体识别和跨视角对应等真实机器人场景的RobotGrounding评测中，Astra获得91.10分。

通俗来理解，即Astra已经掌握了几个虽然基础但对于机器人来说非常关键的动作：能听懂一句指令后，在画面里找到对应的东西；能分清物体之间在左还是在右、谁距离更近，数得清楚画面里有几个目标，以及能在真实机器人拍到的复杂场景中找到小物体、判断目标有没有出现，并在不同摄像头视角下认出同一个目标。

比如在大晓机器人公布的实验结果中，将水果放入篮子这个任务，Astra需要识别篮筐边缘和真正可以承载水果的区域，再通过空间关系判断物体移动的方向；在折叠T恤时，则需要提取衣物轮廓、估算尺寸并判断具体折叠距离。

大晓机器人认为，Astra表现出的具身泛化能力，不仅来自任务规划和逻辑推理能力的增强，也与空间感知和空间推理能力提升有关。

触觉能力也有提升

另一个更值得关注的变化集中在触觉上。

17 日，清华大学研究人员发布TacTalent 技术报告，专门评估Astra在接触密集型操作中的表现。结果显示，在统一视觉－触觉操作仿真评测平台（UniVTAC ）和统一仿真-真实环境视觉－触觉操作评测基准（OpenViTac ）上，Astra分别取得93.8%和81.8%的平均成功率，比此前报告的最佳专用模型分别高出22.9和13.1个百分点。

这一评测打破了行业认知：此前普遍认为通用模型“缺乏触觉反馈、无法完成精细物理接触”，而实验证实Astra 具备原生解析高分辨率触觉传感信号的能力。比如拔钥匙任务的成功率从30%提高到90%，在这项任务中，机器人需要调整钥匙姿态，解除接触约束后再将其拔出。实验记录显示，当钥匙受到阻碍时，Astra能够根据夹爪两侧触觉图像的变化，尝试判断受阻方向，并调整后续动作。

Astra还具备一定的反思与容错能力。当抓取或接触动作出现意外滑动、轻微偏移时，它能结合前序动作历史与当前视触觉帧，自主判断失败原因并输出补偿动作，展现出优秀的闭环鲁棒性。

但还不能把动作做到足够精确

尽管Astra展现了较为惊人的通用能力，但实测也暴露出了通用大模型存在一定的短板。它很会“理解任务”，但还不一定能把动作做到足够精确。

在另一项由香港大学RoboProbe/RoboDojo团队开展的机器人操作测试中，研究人员发现，Astra在需要语义理解和陌生场景泛化的任务上表现突出，但一旦任务进入精细操作，动态控制、复杂双臂协同上，它的成绩会明显下降。

研究人员还观察到，它有时能够理解“应该做什么”，却会因为手抬得不够高、靠近角度不对或者纠偏时间太晚而失败。

此外，在精细空间关系等细微任务中，Astra仍可能将最佳落点误判至相邻区域。大晓机器人专项测试显示，在放置空位判断（Where2Place），Astra得 71.10分，这意味着如果放置到机器人操作的末端轨迹上，可能直接导致抓空、磕碰或放置倾覆。

另外一点不能忽视的是，作为千亿级以上参数量的通用基模，Astra逐帧推理的计算开销与Token消耗巨大，同一研究里，50个RoboDojo实例中，策略辅助控制和直接控制分别消耗了约6.248亿和11.32亿Token。

另据大晓机器人发布的研究结果，Astra的通用推理和泛化能力已经非常强，但到了直接决定机器人操作精度的细粒度空间定位任务，经过专项数据训练的小模型仍有可能超过它。