arXiv 论文用 EBench 评测 GPT-6-Astra 控制机器人的能力
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载评测设置与两种配置
报告把 GPT-6-Astra 放在 EBench 中作为控制机器人的智能体核心，观测输入采用与后训练策略相同的视觉和本体感知协议，以便在同一条件下比较。研究对比两种智能体配置：一种是直接控制，由智能体自行生成路点指令驱动机器人；另一种是带策略的 harness，智能体除自行生成指令外，还能调用后训练的 VLA 或 WAM 策略来执行动作。这一设计把“前沿多模态模型能否零样本控制机器人”与“它与专用策略如何协作”两个问题放在同一评测框架下考察。
直接控制的能力边界
在直接控制配置下，智能体的整体表现与后训练策略处于可比水平。它的优势集中在短时程任务，并且在各泛化维度上的表现波动最小，说明能力分布较为均衡。短板则出现在长时程任务、桌面操作以及高精度接触密集任务上，这些场景中后训练策略表现更好。报告据此勾勒出前沿多模态模型智能体在操作任务上的能力边界：通用性较好，但在需要长程规划与精细力控的环节仍有差距。
混合调用带来的收益与损耗
在带策略的 harness 配置下，智能体可以调用后训练的 VLA 或 WAM 策略执行动作，两类组件的互补性使整体任务成功率提升到最强对比后训练策略的水平，同时 token 开销明显下降。不过，这一配置仍未达到各组件单独使用时的逐任务上限。报告归因于三点：策略调用时机或选择不够理想；执行阶段按固定指令推进、缺少子目标分解；智能体重新接管控制时打断原有抓取。这些发现指向未来智能体 harness 设计需要改进的方向。
为什么值得看
给出了前沿多模态模型直接控制机器人与调用后训练策略两种路线的实测边界，对设计机器人智能体框架有参考价值。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。