↑

XDOF 真机基准:GPT-6.2 Astra 十六项任务成功率两月翻倍,首次通关打结与展开 T 恤

PromptTree|阅读 1
2026/11/22 09:02
XDOFEmber-0GPT-6.2 Astra具身智能
XDOF 真机基准:GPT-6.2 Astra 十六项任务成功率两月翻倍,首次通关打结与展开 T 恤
机器人基础设施公司 XDOF 公布 Ember-0 真机评测结果:GPT-6.2 Astra 操控双臂机器人完成 16 项操作任务的综合成功率,从两个月前 GPT-6 Astra 的 19.6% 升至 41.2%。测试用六台 YAM 工作站并行、每项任务重复 30 次,打结与展开 T 恤两项此前零通关的柔性操作首次被完成,平均单步预测延迟从 15 秒降至 10.1 秒。

机器人基础设施公司 XDOF 在 11 月 21 日前后公布 Ember-0 真机评测结果:GPT-6.2 Astra 操控双臂机器人完成 16 项操作任务的综合成功率,从两个月前 GPT-6 Astra 的 19.6% 升至 41.2%,提升 21.6 个百分点、超过原来的两倍,该数值为 16 项共享任务成功率的等权平均。Ember-0 面向真实物理环境而非仿真,覆盖空间推理、物体抓取、双臂协作、工具使用、精细操作与柔性物体处理;测试用六台一致的 YAM 双臂工作站并行,每项任务独立重复 30 次,单日最高 480 场实测,由人工标注子步骤完成度、抓取失误与碰撞事件,并滤除硬件公差与环境扰动带来的偏差。

最值得注意的是两项此前零通关的柔性操作被拿下:给绳子打结与展开 T 恤,此前 Ember-0 累计 143 次有效的 T 恤展开测试中没有任何模型完整完成。

逐项对照显示 16 项中有 13 项提升,其中「用夹子夹起面包」从 10% 升至 90%,「遵循红色便签上的隐藏指令」从 19% 升至 79%,「扶起倒下的瓶子」从 67% 升至 74%,「不捏碎薯片并移动」从 53% 升至 93%;「拉动毛巾取回远处毛绒玩具」达 97%。速度侧,平均单步预测延迟从 GPT-6 Astra 的 15 秒降至 10.1 秒,但对需要连续感知与快速响应的机器人而言,十秒级等待依然偏长。

结果公布后 OpenAI Developers 官方账号转发,OpenAI 联合创始人兼总裁 Greg Brockman 公开表示该模型在机器人技术方面表现出色;新加坡国立大学 Jiafei Duan 团队称在自有 RoboColosseum 平台上验证后,该模型一天内冲上 SO-101 Elo 排名第一。

XDOF 同时在推文中提示,Ember-0 基准或不久后便被模型能力饱和。背景上,OpenAI 此前调整内部组织架构、裁撤独立机器人硬件研发团队,路线转向把机器人操控与物理世界理解沉淀进通用大模型、以基础模型形式对外输出能力。

本次测试以零样本方式参与,没有针对基准或 YAM 机械臂做专项微调,这也是结果最具行业参考价值的部分;但独立反馈并不一致,Epoch AI 报该模型在 Epoch Automation Reports 得 65%、落后于 Fable 5.2 的 82%,另有开发者称两款新模型在其动画基准上表现不如对照模型。