OpenAI用GPT-6Astra控制机械臂，机器人领域迎来通用AI新玩家

近日，OpenAI通过其通用大模型GPT-6 Astra在机器人领域的应用展示，引发了科技界广泛关注。在一段广为流传的视频中，Astra控制一台售价约150美元的SO-101机械臂，成功绘制出一幅红蓝相间的金门大桥。这项演示不仅展示了Astra的视觉感知和动作规划能力，更因其突破性表现而获得OpenAI CEO萨姆·阿尔特曼（Sam Altman）的转发支持。

与传统机器人训练模式不同，Astra并未经过专门的机器人数据训练，而是通过自身的推理能力和摄像头反馈，逐步优化绘画动作。这种基于通用AI模型的机器人控制方式，与过去几年业内流行的"机器人基础模型"思路形成鲜明对比。物理智能公司（Physical Intelligence）和Skild等企业曾致力于开发专门的机器人基础模型，但Astra的出现似乎为这一领域提供了新的发展方向。

在另一项测试中，CMU Robotics实验室的研究人员Wenli Xiao团队将人类完成任务的视频输入Codex，再由Astra控制机械臂复现相同动作。实验结果显示，Astra能够一次性完成任务，这被研究人员称为"physical ICL"（物理世界中的上下文学习）。此外，Lingxiao Guo团队还利用Astra处理真实机器人数据，构建了可用于仿真和动作回放的real2sim环境。

这些实验成果表明，GPT-6 Astra在机器人领域的应用潜力巨大。在一项包含20次尝试的积木抓取测试中，Astra成功率达到95%，远超竞争对手Fable 5.1的40%。然而，在需要精细操作的任务中，如将圆形拼图嵌入凹槽，Astra的成功率仅为10%。这反映出当前通用AI模型在机器人控制领域仍面临挑战，特别是在接触力控制和精确度方面。

OpenAI此次布局机器人领域的方式也与行业主流路径不同。过去几年，机器人行业一直在探索如何为机器人训练专用的基础模型，但OpenAI选择绕过这一过程，直接使用通用AI模型作为机器人的"大脑"。这种策略背后，是OpenAI对递归自我改进（Recursive Self-Improvement, RSI）的高度重视。根据OpenAI研究员Noam Brown的访谈内容，公司当前的核心目标是让AI学会自己做AI研究，而非专注于提升特定应用场景的表现。

尽管OpenAI在机器人领域的初步展示令人印象深刻，但其长远目标显然超越了当前的技术验证。Brown指出，用户手中每一次震撼的模型迭代，都只是OpenAI锻造下一代机器研究员过程中的边角料。公司正在构建一个全新的研发流水线，其中智能体已经接管了数据质量审查等任务，人类的角色更多是审核员而非执行者。

这一战略选择引发了业界对机器人领域未来发展的思考。一方面，通用AI模型的引入可能加速机器人技术的普及，降低开发门槛；另一方面，这也对传统的机器人基础模型训练方法提出了挑战。OpenAI的进入，是否会改变机器人行业的竞争格局，还有待时间检验。