GPT-6-Astra 机器人基准接近饱和，但物理验证与纠错仍是短板

一篇 arXiv 论文（编号 2610.22471）测试了 GPT-6-Astra 在 12 个机器人基准上的零权重更新表现。该模型在 LIBERO 套件接近饱和，RoboDojo 达到 81.9%，DexJoCo 达到 87.3%，恢复错误时所需动作步数最高是常规的 10 倍。但单个 LIBERO-Ultra-Long 回合消耗约 900 万 token、耗时近 2 小时，且在真实机器人上无法用更多步骤换取任务成功。论文结论是它目前只适合作为研究用的机器人控制器，落地部署受限于算力成本和物理纠错能力。