GPT-6 Astra 在全新機器人基準測試中大幅領先，展現空間推理突破

GPT‑6 Astra 在機器人基準測試中大幅領先　—— 空間推理的突破

OpenAI 近期發布的 GPT‑6 Astra 在全新機器人基準 StationeryBench 中展現出顯著的空間推理能力。此測試以雙臂 YAM 機械手為平台，讓兩款模型分別執行五項桌面物件任務，包括拔掉筆蓋、倒出迴紋針、以及在兩隻機械手間傳遞尺子等。每個模型在相同的 200 次試驗中操作，同時接受相同的硬體條件。

成績對比

| 模型 | 完全成功任務數 | 中位進度分數（滿分 100） | |------|----------------|--------------------------| | GPT‑6 Astra | 7 / 100 | 46 | | MolmoAct2 (Ai2) | 0 / 100 | 12 |

Astra 能完整完成 7% 的任務，且在進度分數上遠高於 MolmoAct2。所有實驗影片與程式碼已於 GitHub 公開，供研究人員進一步驗證。

背景與技術要點

• StationeryBench：專為評估機器人在日常桌面環境中操作小物件的能力而設計，測試項目涵蓋抓取、旋轉、倒出等多種空間操作。
• 空間推理：指模型在三維環境中理解物體位置、姿態與相互關係的能力。Astra 在此領域的提升，被認為與其大量訓練於 3D 資料（如 Blender 場景） 有關。
• Yoav Artzi（Cornell & Google DeepMind）評價 Astra 為「空間推理的跨越式進步」，並指出即使如此，Astra 在其他情境下仍未達到人類水平。

在尚未公開的 REMAP 基準測試中，Astra 的準確率已接近人類表現，顯示其在更廣泛的 3D 任務上具備相當競爭力。

產業與未來展望

OpenAI 已表明長期目標是打造 消費者級機器人。若 Astra 的空間推理能力持續提升，未來的家用或辦公室機器人將能更自然地完成開瓶、整理文具等日常動作，降低使用門檻。另一方面，AI 研究社群亦可透過 StationeryBench 與 REMAP 等開放基準，持續追蹤模型在真實世界操作上的進步。

結語：GPT‑6 Astra 在 StationeryBench 的表現證明，結合大規模 3D 訓練資料的語言模型已開始突破傳統的文字理解範疇，向「看得見、摸得著」的智慧機器人邁出關鍵一步。未來，隨著基準測試的持續完善與硬體成本的下降，我們有望在不久的將來見到更具實用性的 AI 機器人走入日常生活。