GPT-6 Astra 在机器人基准测试中展现空间推理飞跃

GPT-6 Astra 似乎在空间推理方面实现了重大飞跃。一个名为 StationeryBench 的新型机器人基准测试，将 OpenAI 的 GPT-6 Astra 与 Ai2 的 MolmoAct2 在五项桌面物体任务中进行对比，包括揭开马克笔盖、将回形针倒出、或在两个机械臂之间传递尺子。两个模型均控制相同的双臂 YAM 机器人完成了 200 次试验。Astra 在 100 项任务中完整完成了 7 项；MolmoAct2 完成数为零。Astra 的中位进度得分为 46 分（满分 100），MolmoAct2 为 12 分。所有结果、视频和代码均已在 GitHub 上公开。OpenAI 长期计划自建消费级机器人。

康奈尔大学及 Google DeepMind 的 AI 研究员 Yoav Artzi 称 Astra 为"空间推理的阶段性变化"。在尚未发表的 REMAP 基准测试中，GPT-Astra 达到了接近人类水平的准确率，但 Artzi 指出"即使是 ASTRA，在其他场景下也无法达到人类的表现水平。"他推测 OpenAI 基于大量 3D 数据（如 Blender 场景）对模型进行了训练。这与 Astra 在 3D 任务上的显著提升相吻合。

基准测试详情

StationeryBench 涵盖了五项精细的桌面操作任务：

• 揭开马克笔盖
• 将回形针从容器中倒出
• 在双机械臂之间传递尺子
• 折叠纸张
• 堆叠积木块

每个模型在相同硬件环境下进行 200 次独立试验，最终通过任务完成率和进度评分两个维度进行评估。

技术解读

值得注意的是，7% 的完整任务完成率看似不高，但考虑到这是机器人操控领域的全新基准，且涉及双臂协作等复杂操作，这一成绩已显著领先于竞争对手。46 分的中位进度得分意味着 Astra 在超过一半的试验中能将任务推进至接近完成的状态。