社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  chatgpt

物理AI“ChatGPT”时刻:通用模型向物理世界延伸(附下载)

报告研究所 • 12 小时前 • 22 次点击  
图片



GPT-6 Astra空间理解与交互推理能力持续突破,通用模型向物理AI领域延伸。 我们认为,GPT-6 Astra的推出有望成为物理AI的“ChatGPT”时刻。Astra在 3D理解、生成与Agent能力的进步或是驱动这一跃升的主要原因。3D生成与理 解帮助模型识别对象关系、几何约束与任务状态,Agent能力则支持其将判断转 化为操作,并根据执行结果持续校验和纠错,两类能力的结合,为通用模型向物 理任务迁移提供了更完整的能力基础。展望未来,以GPT-6 Astra为代表的通用 模型有望进一步承担任务理解、复杂推理与高层决策职能,随着通用模型与世界 模型、仿真环境及控制系统持续融合,物理AI有望逐步提升对复杂动态环境的理 解与自主交互能力,从而向更广泛的真实世界场景渗透。 世界模型有望为AGI路线提供技术支持。我们认为,通用模型可参与任务理解、 空间推理和动作决策,并与环境预测、仿真验证及实时控制能力结合。面向更复 杂的真实场景,世界模型与相关仿真技术有望为这些环节提供支持:世界模型侧 重学习环境状态及其动态变化,支持未来状态预测、动作后果推演与决策规划; VLA 侧重将视觉观测与语言指令映射为可执行动作,代表模型包括 Google DeepMind 的RT-2与Gemini Robotics。当前世界模型主要流派包括视频生成、 隐空间预测、3D空间等。世界模型又可具体分为生成式和非生成式,生成式路线 包括视频生成和3D生成,非生成式路线即JEPA路线,强调减少对像素级细节路 线的依赖。

1  GPT-6 Astra 空间理解与交互推理能力持续突 破,通用模型向物理AI领域延伸

我们认为,GPT-6 Astra的推出有望成为物理AI的“ChatGPT”时刻。我 们认为,Astra在3D理解、生成与agent的进步或是驱动这一跃升的主要原因。 3D生成与理解帮助模型识别对象关系、几何约束与任务状态,Agent能力则支持 其将判断转化为操作,并根据执行结果持续校验和纠错。两类能力的结合,为通用 模型向物理任务迁移提供了更完整的能力基础。

1.1  3D 理解与生成能力的提升使GPT-6为具身泛化提供 更好基础

 多项测评验证 Astra 在空间理解、物理交互及反馈纠错方面的进展。在 Artificial Analysis 发布的 AA-Robotics v0.1 真实机械臂测评中,Astra 以 69 分 位居第一,领先GPT-6.1 Sol(65分)、Gemini 4 Argon(55分)、Claude Opus 5.5(49 分)及Claude Fable 5.1(46 分)。商汤联合团队进一步验证其仿真操作 能力:在允许利用训练集示范进行上下文学习、动作预算最高扩展至标准上限10 倍的条件下,Astra 在 LIBERO-Long++、LIBERO-Pro、SIMPLE 及 RoboDojo 基准上的任务成功率分别达到100%、99.3%、98.8%及81.9%,展现出较强的任 务理解能力。此外,清华大学团队发现,Astra能够融合视觉、触觉及动作历史识 别接触受阻原因并调整后续操作;中国香港大学 RoboProbe/RoboDojo 团队测 试显示,Astra语义理解与陌生场景泛化能力较强,但精细操作、动态控制及复杂 双臂协同仍存在稳定性不足的问题。整体来看,Astra已初步具备跨模态环境理解、 动作决策及反馈纠错能力。

NVIDIA 研究显示,GPT-6 Astra 在 Direct Policy 和 Agentic Policy 模式 下可基于相机图像、机器人状态和任务指令生成动作,并在持续上下文中利用执行 反馈调整后续操作,在 RoboLab-120 仿真评测中,Direct Policy 成功率达到 66.3%,使用Codex框架并保留交互历史的Agentic Policy达到74.8%。这些结 果表明,通过适当的动作接口与执行框架,通用模型中的视觉、推理和纠错能力已 经可以用于多类机器人操作任务,为物理AI的跨任务泛化提供了新的基础。

1.2  Agent 能力的提升使 GPT-6 为具身智能的复杂任务 规划与闭环执行提供更好支撑

 通用模型Agent执行能力提高为复杂任务规划与闭环执行提供更好支撑。3D 理解帮助模型识别对象关系、几何约束与当前状态,Agent进一步组织操作顺序、 调用接口,并在交互过程中保留任务目标和历史信息。我们认为,这类能力有助于 模型及时发现执行偏差并调整方案,提高空间判断在连续任务中的可用性。 Google DeepMind 的 Gemini Robotics 研究将高层具身推理模型与底层动 作模型结合,由前者理解目标和环境反馈、组织子任务并判断完成状态,由后者执 行具体操作。在保持GR 1.5动作模型一致的对照中,将高层编排器由Gemini 2.5 Flash替换为Gemini Robotics-ER 1.5后,子任务规划失败率由25.5%降至9.0%, 子任务总失败率由44.5%降至22.0%。我们认为,这表明空间理解和任务推理能 够通过动作接口转化为执行收益,为已有操作能力组合成更复杂任务提供支持。

我们认为,通用模型物理推理与交互能力的持续提升,有望进一步塑造具身智 能高层认知与决策中枢角色,驱动物理AI向更强的环境理解、状态预测及自主决 策能力演进。尽管短期内Astra对物理状态变化的持续预测、控制精度及执行可靠 性仍有待提升,但展望未来,以GPT-6 Astra为代表的通用模型有望承担任务理 解、复杂推理与高层决策职能,世界模型负责物理环境建模、状态预测及动作后果 推演,专用控制模型负责精细动作生成与实时执行。随着通用模型与世界模型、仿 真环境及控制系统持续融合,物理AI有望逐步提升对复杂动态环境的理解与自主 交互能力,从而向更广泛的真实世界场景渗透。

2  世界模型有望为AGI路线提供技术支持

此报告完整内容与行业资料合集,可扫码进入星球社群查看

(本文仅供参考,不代表我们的任何投资建议。如需使用相关信息,请参阅报告原文。)

我们组建了研究报告知识星球社群,加入后您可以享受以下服务:
1、星球中分享最新、专业、深度有价值的行业研究报告、投行报告、白皮书、蓝皮书、公司研报等。报告持续更新;
2、会员可以用提问方式单独获取需要的报告,满足个性化需求;
3、星球中海量研究报告PDF高清版,无限制下载;
4、4000+会员使用的研究报告宝库值得您信赖;

扫描下方二维码加入星球
图片

业务咨询、商务合作:136 3162 3664(同微信)

温馨提示



应广大粉丝要求,「报告研究所」成立了报告交流群,欢迎各位公司、企业、投行、投资机构、政府机构、基金、创业者朋友加入!

这里能且不限于:“每日分享多篇研究报告、行业交流、报告交流、信息交流、寻求合作等......”

入群方式:添加助理微信【touzireport666】,发送「个人纸质名片」或「电子名片」审核后即可入群。

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/203567