| 商汤联合多家高校与企业团队，对OpenAI的GPT-6-Astra进行了具身智能能力评测。评测覆盖12项仿真评测和8个真实机器人平台。结果显示，在借助上下文学习和放宽动作步数限制的条件下，GPT-6-Astra在传统具身评测中取得接近满分的成绩，但在真实机器人执行精细接触和长程任务时失误率较高。研究指出，该模型在物理操作中常误判成功状态，且纠错困难。团队认为GPT-6-Astra已跨过具身能力门槛，但距离实用化仍有明显距离。商汤团队同时发布了SenseNova-RoboRSI具身系统框架，该框架通过执行反馈实现递归式自我进化，无需更新基础模型权重，已在多项仿真评测中验证效果。 |
AI INSIGHT
商汤给 GPT-6-Astra 做"真机体检"：仿真考卷近乎满分，一上手就露怯
AI 摘要
商汤联合多家高校与企业团队，对OpenAI的GPT-6-Astra进行了具身智能能力评测。评测覆盖12项仿真评测和8个真实机器人平台。结果显示，在借助上下文学习和放宽动作步数限制的条件下，GPT-6-Astra在传统具身评测中取得接近满分的成绩，但在真实机器人执行精细接触和长程任务时失误率较高。研究指出，该模型在物理操作中常误判成功状态，且纠错困难。团队认为GPT-6-Astra已