GPT-6 Astra 为何突然在机器人任务上表现突出

GPT-6 Astra 现在可以驱动机器人了，这对 Physical Intelligence 正在进行的 200 亿美元融资来说，时机颇为尴尬。

10 月，伊利诺伊大学的研究人员把摄像头对准一个透明抽屉，让一个编程 agent 写代码，使机械臂把抽屉打开。结果是：10 次成功 4 次。随后，他们把腕部的力传感器数据也交给它，让它反复迭代自己的 Python 程序，每次失败后就修改一次。结果是：10 次全部成功。再之后，他们撤掉了那个编程 agent，而它写出的程序仍然能自己把抽屉打开。

机器人研究者有一个专门的说法解释这件事为什么本不该可行：莫拉维克悖论（Moravec's paradox）。这个悖论以 Hans Moravec 命名，他在 1988 年指出：“让计算机在智力测试或下跳棋时表现出成年人水平相对容易，而要让它们在感知和运动方面具备一岁小孩的技能，则很难甚至不可能。”在机器人领域，这一判断看起来颇具预言性。2022 年，SayCan 的规划器能为全部 21 个涉及抽屉的用户请求规划出动作序列，但它的视觉运动策略只能执行其中大约三分之一，尽管它是在从人类采集的 68,000 次演示上训练出来的！

过去三年，通用机器人操作一直是一场军备竞赛：最大的实验室争相采集尽可能多的人类演示，用来训练能力越来越强的视觉运动策略，也就是“手”，而对规划器，也就是“大脑”，关注相对较少。视觉-语言-动作模型（VLA）学习把摄像头图像和一条指令直接转化为电机指令，Figure 的 Helix 甚至借用了 Kahneman 对两半的命名：一个慢速的 System 2 负责决定做什么，一个快速的 System 1 负责移动手臂。

在伊利诺伊，他们取来一个现成的 System 2（来自 Anthropic 的 Claude Fable 5），让它自己写出 System 1。在我看来，这才是正确的构建顺序，而那些实验室把顺序搞反了。学到的策略很好，但主要适用于难以找到好的成功度量标准的场景。叠衣服就是其中之一。开抽屉不是。除了叠衣服，一切都是抽屉。

RoboDojo 把 OpenAI 于 9 月 3 日发布的 GPT-6 Astra 加入了他们的 42 项模拟任务基准测试。Astra 是面向计算机使用和编程的前沿模型。它没有做任何机器人专用的微调，只有一个动作——移动夹爪，却在排行榜上超过了全部 40 个训练过的机器人策略，平均成功率为 22.48%。GPT-5.5 在同样只有一个动作的情况下，平均成功率为 0.88%。

它得到了“配方”（不含动作级指导的任务描述）的帮助，并且模拟器在它思考时会暂停（在一项针对 Astra 在 RoboDojo 上的研究中，平均花费 55 分钟计算，最多对应 76 秒的运动）。几天之内，训练过的模型就超过了它。PyRUA-Lean 随后让 Astra 生成代码，而不是直接控制夹爪。尽管既没有配方也没有学到的策略，这套 harness 平均达到 51.6%，比当时的排行榜榜首高出 19 个百分点。通过围绕同一个模型改变 harness，并提高其推理投入，性能提高了一倍多。

这条规则我会纹在每个机器人创始人的身上：如果大脑和手之间的通信是用文字或代码进行的，那么替换大脑很容易，不需要重新训练手；如果通信是用嵌入（embedding，只有对你训练它所用的神经网络才有意义的数字）进行的，那么每次你得到更好的大脑，很可能都得重新训练手。

Altimeter 的 Freda Duan 称 Astra 是机器人领域的 GPT-3 时刻，并说机器人社区里有些人似乎“不愿承认这一点”。我不是其中之一：2026 年最重要的机器人大脑，是一家聊天机器人公司造的。Jim Fan 的实验室在 Astra 发布当天就切换了过去：

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）