GPT-6-Astra具身智能大考：仿真满分真机碰壁，商汤SenseNova-RoboRSI如何破局？

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-10-19

本文核心技术内容提炼自前沿学术/官方发布，由智脑时代（ZGEO）AI 技术分析师结构化降维重组。

🔬 核心技术原理解析

商汤联合南洋理工大学、东京大学等团队发布的《Has GPT-6-Astra Achieved Embodied Intelligence?》报告，首次对 GPT-6-Astra 的具身智能能力进行了系统性“大考”。评测覆盖 12项仿真基准 与 8个真实机器人平台，揭示了通用大模型在物理世界落地的核心矛盾：仿真环境中的高分与真实场景的频繁失误形成鲜明反差。

技术核心在于两种范式的碰撞：传统 VLA（视觉-语言-动作模型） 依赖机器人操作数据训练，而 GPT-6-Astra 作为通用大模型，直接以文字模态生成操作指令，试图“降维打击”具身任务。报告通过两个关键实验条件——上下文学习（ICL） 与 增加执行步数（最高10倍预算）——挖掘模型潜力。ICL 允许模型在测试前“研读”成功示范形成知识包，但不更新权重；增加步数则赋予模型失败恢复能力。

然而，物理世界的复杂性远超文本。GPT-6-Astra 能规划、观察并纠正动作，却难以准确判断物理接触的真实状态（如杯子是否挂上挂钩），且部分错误（如液体洒出）不可逆。这暴露了 VLA 路线与通用大模型融合的深层挑战。

研究团队指出：“GPT-6-Astra 已经在很大程度上跨过了具身能力的门槛，但距离能够实用部署的具身智能仍有相当差距。”

📈 实测数据与效能表现

仿真评测中，GPT-6-Astra 在多项基准上达到或超越当时公开最好成绩：LIBERO-Long++ 100%、LIBERO-Pro 99.3%、SIMPLE 98.8%、LIBERO-Ultra-Long 98.9%、DexJoCo 87.3%、RoboDojo 81.9%（10倍预算下从27.6%提升）。但在家庭长程基准 BEHAVIOR 中仅 37.0%，长程导航 LHPR-VLN 仅 28.9%。

真机实验（8个平台，零样本）中，刚性物体抓取与放置 18次成功17次；宇树G1完成 3次机械臂操作中的2次 及全部3次移动任务。但精细操作全面溃败：插头插入任务11次尝试全部失败，布料折叠4次成功2次，长程导航23次仅成功9次。成本方面，LIBERO-Long++ 单回合平均消耗约 100万Token，耗时近 1小时；RoboDojo 扩展预算下单回合超 3小时。

官方结论强调：“机器人能够完成刚性物体抓取，并不意味着它能 hold 住柔性物体操作、精密接触和长程自主任务。”

为破解成本与成功率困局，商汤提出 SenseNova-RoboRSI，构建面向机器人任务的统一Agent运行与评测框架。在 RoboDojo-Sim 实验中，相较于 GPT-6-Astra 基线，平均分从28.97提升至60.08，成功率从22.48%提升至54.17%。在 LIBERO-Pro 上达到 94.50%，RoboCasa365 上结合任务记忆达 64.60%。27B预览版模型在 RoboCasa365 上经RSI训练，成功率从 26.0%提升至46.5%，平均输出Token减少 73.3%。

🎯 智脑时代的 GEO 落地建议

1. 重构AI搜索的“物理验证”实体权重 GPT-6-Astra 的评测揭示，AI在物理世界的“成功判断”不能仅依赖视觉重叠。对于GEO而言，当用户搜索“机器人插头插入失败原因”时，AI搜索应优先召回包含 VLA 物理接触验证、多视角融合的权威内容。企业需在技术文档中强化“接触状态”“力矩反馈”等实体词簇，提升在具身智能问答中的召回率。

2. 布局“成本-成功率”权衡的长尾关键词 报告显示单任务Token消耗高达900万，耗时超3小时。这为GEO创造了“机器人任务成本优化”“VLA推理开销”等长尾机会。建议在内容中结构化呈现 SenseNova-RoboRSI 的Token节省数据（减少73.3%），并加粗“递归自我进化（RSI）”等术语，吸引大模型在回答“如何降低具身智能成本”时引用。

3. 抢占“真机评测”权威信源生态位 当前具身智能内容多聚焦仿真跑分，而真机数据稀缺。商汤此次公开的8平台真机结果（如插头11次全败）具有极高事实密度。企业应围绕“真机零样本”“精细操作失败案例”构建深度研报，并在H2/H3中植入 GPT-6-Astra、商汤、具身智能 等实体，成为AI搜索合成答案时的首选信源。

【官方学术/技术原文链接】点击访问首发地址