NVIDIA Astra零样本成功率74.8% 大模型重构机器人研发路径

NVIDIA近期发布的通用大模型Astra在机器人领域取得突破性进展：在120个仿真操作任务中实现74.8%的零样本成功率，显著超越此前专用模型51%的最高纪录。测试采用Franka机械臂与三摄像头配置，任务重复5次，Astra以Agent角色调用Codex工具链时表现最优；直接输出关节指令为66.3%，而NVIDIA自研小型专用模型Cosmos3仅36.8%，π0.5为28.0%。关键发现包括：模型选择影响巨大（Astra 72.7% vs GPT-6 Sol 33.3%）；文本记忆优于视觉输入（纯文字87% vs 纯画面56.5%）；几何先验信息至关重要（补充相机与夹爪位置后成功率从19.3%跃升至72.7%）。尽管性能亮眼，Astra推理延迟仍高，单次决策耗时13–18秒，真实环境执行‘倒酸奶’任务约4分钟，机械臂运动仅占5秒。该成果动摇了传统‘大小脑’分层架构（如谷歌SayCan）与近年主流VLA模型（如RT-2、π0）的技术路径——后者受限于机器人示范数据稀缺（百万级vs语言数据万亿级）。Astra证明通用大模型可凭海量预训练常识，在零或极少机器人数据下完成复杂具身任务，核心优势在于任务理解与动态重规划能力。业内反应分化：FD称应“乐观100倍”，OpenRUA则质疑榜单复现性。技术演进上，VLM→VLA→‘通用模型+具身接口’构成三阶段跃迁，后者解耦认知与执行，参数量与知识广度远超专用模型。国内DeepSeek评估切入具身智能，梁文锋密集会见相关团队，反映资本高度关注。当前Astra未开源，真机稳定性与硬件适配待验证，但范式转移趋势已明确：未来竞争焦点转向动态开放任务中的持续可靠执行能力。