GPT-6 Astra在机器人基准测试中展现空间推理重大突破

StationeryBench是一项专为评估机器人模型空间理解能力而设计的新型基准测试，由研究人员公开发布，所有结果、视频及代码均可在GitHub上获取。测试设置了五类典型桌面操作任务，要求模型控制双臂YAM机器人完成精细的物体操控动作，旨在考察模型对三维空间关系的感知与执行能力。

在200次总试验中，GPT-6 Astra以7项任务完成、中位进度得分46分的成绩遥遥领先。相比之下，Ai2旗下的MolmoAct2模型在100次试验中未能完成任何一项任务，中位进度得分仅为12分。两者之间的差距之悬殊，令研究界对GPT-6 Astra的空间推理能力刮目相看。

康奈尔大学与谷歌DeepMind研究员Yoav Artzi对这一结果给予高度评价，将其定性为「空间推理领域的阶跃式进步」。他推测OpenAI在训练GPT-6 Astra时使用了大量三维数据，例如Blender场景文件，这与该模型在三维任务上的显著提升高度吻合。

在尚未正式发布的REMAP基准测试中，GPT-6 Astra的表现同样令人瞩目，准确率已接近人类水平。不过Artzi也坦言，「即便是Astra，在其他场景下也尚未达到人类的表现水准」，这意味着当前进展虽然显著，但距离全面媲美人类的空间认知能力仍有距离。

值得关注的是，OpenAI此前已公开表示有长期计划自主研发消费级机器人产品。GPT-6 Astra在空间推理方面的突破性表现，或将为其机器人战略提供重要的技术支撑，也预示着通用具身智能领域的竞争将进一步加剧。

要点

• GPT-6 Astra在StationeryBench测试中完成7项机器人任务，竞争对手MolmoAct2完成数为零，差距显著。
• 研究人员认为Astra的提升源于大量三维数据训练，其在3D任务上的进步与这一推测高度吻合。
• 在未公开的REMAP基准测试中，Astra准确率接近人类水平，但在部分场景下仍存在差距。
• OpenAI的机器人战略布局与GPT-6 Astra的空间推理突破相互呼应，具身智能领域竞争加速。