斯坦福 HomeBody 项目：GPT-6 Astra 调用技能库操控宇树 G1 完成厨房任务
斯坦福 HomeBody 让 GPT 把导航、抓取、开抽屉等技能当工具调用，机器人无需额外训练就能在新厨房里干活，是「大模型控机器人」路线的一次路线级更新。
斯坦福团队的新项目 HomeBody 让宇树 G1 先自行探索一个陌生的厨房，之后就能按语言指令收拾物品、扔纸盒；即使药不在视野内，它也能从先前保存的画面里找到位置，走过去开抽屉取出再递给人。部署到新厨房无需额外采集数据或训练专用动作策略。
正文摘录
在斯坦福团队的最新项目 HomeBody 中，宇树 G1 先探索一个从来没见过的厨房，随后就能根据语言指令，收拾物品、丢掉纸盒，甚至把不在眼前的药找出来，递到人手里。 即使药不在当前视野里，它也能从之前保存的画面中找到线索，走到对应抽屉前，打开抽屉、取出药，再递给人，期间还能把丢纸盒的任务一并完成。 可以说，从 Robocurve 此前让 GPT 和 Claude 控制机械臂，完成桌面抓放测试，到这次 G1 走进厨房，大模型控制机器人的任务范围，又往外扩了一圈。 这一次，机器人不只要判断眼前抓什么，还得记住东西在哪，再把走路、抓取、放置连成一串。 更值得注意的是，团队表示，部署到这个新厨房时，系统不需要额外采集训练数据，也无须再训练一套专用动作策略，泛化性是相当可以了。 简单来说，HomeBody 的核心思路可以概括为一句话：让 GPT 把机器人技能当工具调用。 Astra 负责理解目标、安排步骤，再调用导航、抓取、开抽屉等技能，把任务一步步做完。 在 HomeBody 中，机器人接到的第一条指令很简单，「你是一台厨房机器人，请探索这个空间」。 随后，Astra 会选择值得观察的位置，引导 G1 移动。机器人一边走，一边记录相机画面、激光雷达扫描，以及自身的关节姿态和途经位置。 相机负责看清房间里有什么，激光雷达等传感器提供实测的空间结构；SLAM，也就是同步定位与建