SenseNova 研究：GPT-6-Astra 具身智慧能力與限制

研究在做什麼

由 SenseNova 機構進行的這項研究，旨在評估 GPT-6-Astra 在機器人操作與導航任務中的能力邊界。研究不僅關注模型本身的效能，更探討其對傳統「為個別任務建立專用模型」範式的挑戰意義。 Hugging Face 每日精選論文

方法

研究團隊在 12 個涵蓋桌面操作、人形機器人、移動平台及靈巧手的基準測試上進行大規模評估。實驗採用統一協議，允許模型透過上下文學習（In-Context Learning, ICL）從訓練集示範中學習，並大幅增加執行步驟數。此外，研究也探討了由高層推理器（GPT-6-Astra）與低層控制器（如 π0.5）組成的代理式控制架構，以及在 8 種真實機器人配置上的部署實驗。 Hugging Face 每日精選論文

結果

在允許上下文學習且增加執行步驟的條件下，GPT-6-Astra 展現出前所未有的效能。然而，在真實世界部署實驗中，研究發現存在顯著差距：用於上下文學習的機器人示範資料收集成本高昂，且在物理限制下，透過延長執行時間來換取更高成功率的策略並不可行。 Hugging Face 每日精選論文

限制

研究指出 GPT-6-Astra 尚未完全解決以下問題：上下文學習的通用性、成本與執行時間、物理狀態驗證、從不可逆失敗中恢復，以及長期任務中保持進度。研究結論認為，該模型已跨過具身能力的門檻，但尚未達到實用級具身智慧。 Hugging Face 每日精選論文

程式碼與資料

本站 2026-10-20 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：

• 研究機構（Hugging Face 標示）：SenseNova
• 程式碼：OpenSenseNova/SenseNova-RoboRSI｜142 顆星｜最後更新 2026-10-19｜授權 Apache-2.0
• 專案網頁：https://sensenova.ai/has-gpt-6-astra-achieved-embodied-intelligence
• 線上展示：tardellirs/paper-pulse
• 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集