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;业务咨询、商务合作:136 3162 3664(同微信)
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。