银河通用评测：GPT-6 Astra 混合架构将机器人任务成功率提至 48%
大模型能看懂任务、发现哪里不对，但精细操作仍得靠专用 VLA 模型；两者互补比单用任何一个都强。
银河通用团队发布闭环控制对比测评：让 GPT-6 Astra（通用大模型）负责语义判断与纠错，VLA 模型 π0.5（视觉-语言-动作模型，把画面和指令直接转成机器人动作）负责物理操作。两者混合后任务成功率从 26% 升到 48%，而 Astra 只改动了 14.4% 的控制步骤。
正文摘录
.jpg) 近日，一份匿名发表在 GitHub 上的仿真测评报告，在具身智能圈投下了一枚深水炸弹：搭载混合 GPT-6 Astra 的架构拿下 62.6 分，第二名仅 38.26 分。 64% 的性能差距，已经不是微调优化能解释的了，可以说是架构层面的降维打击。 这项研究没有用 GPT-6 Astra 直接操控机械臂，它做了一件更聪明的事：用 GPT-6 Astra 提供语义层面的判断与修正，与 π₀.₅ 的物理空间交互及动作先验形成互补架构。 银河通用团队对 Astra 模型的深度评测，揭示了其在 System 2 通用性上的重要突破。虽然轨迹质量和实时性不高，但它可以零样本地在各种形态机器人上高成功率完成各类新任务，并有很强的错误恢复能力。 看起来，具身智能离我们已不再遥远。在数万亿级的模型参数体量下，机器人的通用性已经取得了类似 ChatGPT 那一次的水平飞跃。 这份测评是怎么做的？ 该报告的作者来自银河通用团队，第一作者是银河通用创始人兼 CTO 王鹤教授的博士生。整个测评是一套严格对齐的闭环控制对比实验。 研究分析了两种用于仿真双臂操作的闭环控制架构： Direct 模式：不跑 π0.5，GPT-6 Astra 直接看三路相机画面和机器人状态，输出双臂末端位姿和夹爪开合，每次执行 1 到 5 个控制步。 混合模式：每个决策时刻，π0.5 先生成 50 步候选动作。GPT-6 Astra 看同一份画面、执行历史，以及候选动作对应的双臂轨迹，然后二选一：要么沿用 π0.5 的前 1 到 15 步，要么自己出 1 到 5 步末端位姿修正。