GPT-6 Astra 作为原生机器人策略的实证研究
NVIDIA Astranomy 揭示具身智能的新路径
技术解读｜Physical AI · 机器人基础模型 · 遥操作与数据采集
大模型转向具身引起热潮
导读
当通用大模型开始直接控制机器人，机器人是否还必须依赖专门训练的机器人策略模型？能否让大模型理解任务、观察环境、规划动作，并根据执行结果持续调整控制策略？
NVIDIA Research 于 2026 年 10 月 14 日发布技术报告《Astranomy: An Empirical Study of GPT-6 Astra as a Native Robot Policy》，围绕这些问题展开实验。研究团队评估通用模型直接生成机器人动作、借助智能体框架执行任务，以及监督专用机器人策略等不同方式，探索通用推理能力转化为机器人操作能力的可能性。
大模型推理转化机器人实际操作能力未知
研究的价值不只是看大模型能否抓取和放置物体，更在于分析动作如何表达、环境信息如何提供、执行反馈如何利用，以及推理延迟和成本如何影响实际部署。
一、核心实验：让通用大模型直接成为机器人策略
传统机器人基础模型通常依赖机器人数据进行预训练或微调，将视觉、语言和状态信息转化为动作。Astranomy 探索另一条路径：不额外训练专用机器人策略，而是在推理阶段通过提示词、动作接口和上下文信息，让通用模型直接生成操作指令。
1. Direct Policy：直接生成动作
模型根据相机图像、机器人状态和任务指令，直接输出末端执行器目标或关节动作。结构较简单，但每次调用不保留完整的历史交互上下文。
2. Agentic Policy：智能体增强策略
模型运行在具有持续上下文的 Codex 会话中，可以利用历史观察、动作记录和可用工具辅助决策，形成更完整的任务规划与执行闭环。
3. Orchestrated Policy：协调式策略
由专用机器人策略模型提出动作方案，再由通用大模型观察任务进展、评估动作是否符合目标，并在必要时进行干预。
三种架构的关键区别在于：大模型究竟直接负责动作生成，还是借助智能体增强推理，或充当专用机器人策略的监督与纠错层。
二、实验结果：成功率提升，但推理速度仍是瓶颈
在 RoboLab-120 基准上，报告给出的三种策略成功率分别为 Direct Policy 66.3%、Agentic Policy 74.8%、Orchestrated Policy 66.5%。Agentic Policy 比 Direct Policy 高 8.5 个百分点，说明保留历史上下文、分解任务并利用工具辅助推理，在部分操作任务中能够改善执行效果。
图1｜RoboLab-120 上三种 Astranomy 策略的任务成功率。数据据 NVIDIA Research 项目页面整理。
|---------------------|------------------|----------------------------|
| 策略 | 单次调用平均延迟 | 每回合 API 成本（报告值） |
| Direct Policy | 18.56 秒 | 约 1.96 美元；约 16 万 tokens |
| Agentic Policy | 13.37 秒 | 约 36.40 美元；约 3090 万 tokens |
| Orchestrated Policy | 11.50 秒 / 2.74 秒 | 约 17.72 美元；约 1100 万 tokens |
注：协调式策略的延迟分别对应大模型监督调用与专用策略调用。不同架构的调用方式并不完全相同，成本与延迟不宜脱离任务设置直接比较。
高成功率也伴随明显的资源成本。研究说明通用大模型可以承担机器人策略角色，但不能仅凭成功率判断其是否适合大规模、低延迟的真实部署。
三、 Astra推理 影响机器人表现的，不只是模型大小
动作接口决定模型如何理解机器人
模型可以输出末端执行器目标、关节位置目标，或关节空间的 B-spline 轨迹。不同动作表示会改变模型规划和控制的难度。机器人控制接口设计是模型性能的重要组成部分。
几何与状态信息至关重要
相机图像能够提供物体外观和位置线索，但未必能唯一确定三维位置、姿态及与夹爪的相对关系。适当地提供机器人几何、相机参数和末端状态，有助于建立视觉观察与动作之间的联系。
任务分解和历史记录有助于多步骤执行
对于分类、按序放置、堆叠和整理等任务，模型需要知道当前子目标、此前执行了什么，以及动作是否产生预期结果。持续上下文有助于根据反馈修正计划，但不意味着所有任务都能稳定完成。
智能体工具并非越多越好
工具、显式规划和动作误差反馈可以帮助决策，但更多推理步骤也会带来延迟和成本。实际系统需要根据任务复杂度，在推理能力、执行效率和稳定性之间取得平衡。
四、对具身智能产业的启示：从"会思考"走向"能可靠执行"
Astranomy 展示了通用大模型直接承担机器人策略的潜力，但并未证明通用模型已经能够替代所有专用机器人基础模型。研究集中在特定基准下的通用抓取与放置任务，且推理延迟对于需要高频反馈的控制仍然偏高。
- 高质量机器人数据仍然重要。模仿学习、视觉语言动作模型（VLA）及其他机器人策略的训练和验证，都需要具有明确动作、状态与任务结果对应关系的数据。
- 高层推理与底层控制可以分工。大模型可负责任务理解、目标分解和异常处理，专用策略、运动规划器及实时控制器负责高频动作执行；具体分工应根据任务和系统架构验证。
- 遥操作与数据采集是连接算法和真实机器人的关键环节。人类示范、机器人状态、视觉信息、动作轨迹和执行反馈可以构成训练与评估数据闭环，帮助研究团队比较不同模型和控制方案。
对于医疗机器人、精细操作、双臂协同和灵巧手操作等应用，系统不仅需要理解任务，还必须满足接触力控制、定位精度、响应速度与安全约束。因此，通用模型能力需要与机器人本体、传感器、控制接口和实验验证体系协同发展。
五、PNP Robotics：构建面向 Physical AI 的机器人操作与数据平台
围绕具身智能从算法研究走向机器人实操，PNP Robotics（集智联机器人）提供面向 Physical AI、模仿学习与强化学习的机器人操作及数据采集解决方案。
基于 FRANKA 机械臂、双臂操作平台、遥操作设备与高自由度灵巧手，PNP Robotics 可面向研究项目搭建机器人控制、示范采集、动作复现和算法验证环境，支持研究人员探索从人类操作示范到机器人自主执行的技术路径。
对于正在研究 VLA、机器人基础模型和智能体控制的高校实验室及企业研发团队，完整的实验链路尤为重要：既要能够采集和复现动作，也要能够获取机器人状态、记录执行结果，并对不同控制策略进行评估。将硬件、软件和数据流程整合起来，有助于缩短从算法原型到实体机器人实验的开发周期。
未来，随着通用大模型、专用机器人策略与实时控制技术持续融合，机器人系统的竞争力将不仅取决于模型本身，还取决于高质量数据、可靠控制和完整验证体系的协同能力。
参考文献
- Yang, J. X., Khetan, A., & Zhang, S. "Astranomy: An Empirical Study of GPT-6 Astra as a Native Robot Policy." NVIDIA Research, October 14, 2026. Astranomy: An Empirical Study of GPT-6 Astra as a native robot policy
- Yang et al. RoboLab: A High-Fidelity Simulation Benchmark for Analysis of Task Generalist Policies. RSS, 2026.
- Octo Model Team et al. Octo: An Open-Source Generalist Robot Policy. RSS, 2024.
- NVIDIA. Cosmos 3: Omnimodal World Models for Physical AI. 2026.
- Li et al. Causal World Modeling for Robot Control. RSS, 2026.
- Physical Intelligence. π0.5: a Vision-Language-Action Model with Open-World Generalization. CoRL, 2025.
- Zhang et al. An Unexpected Robot Policy: Early Evaluations of GPT-6 Astra on RoboDojo and Beyond. 2026.
- Su et al. GPT 6 Astra as an Embodied Policy. 2026. Technical report.
- Galbot Team. Systematically Exploring the Capabilities of GPT-6 Astra as Embodied Policies. 2026.
- DROID Dataset Team. DROID: A Large-Scale In-the-Wild Robot Manipulation Dataset. RSS, 2024. Accessed October 11, 2026.
- Zhou et al. BEAST: Efficient Tokenization of B-Splines Encoded Action Sequences for Imitation Learning. NeurIPS, 2025.
- Gasparetto and Zanotto. A new method for smooth trajectory planning of robot manipulators. Mechanism and Machine Theory 2007, 42(4), 455--471.
- Han et al. B-spline Policy: Accelerating Manipulation Policies via B-spline Action Representations. 2026.
- Fu et al. ICRT: In-Context Imitation Learning via Next-Token Prediction. ICRA, 2025.
- Black Forest Labs. FLUX 3 Action. 2026. Model report.
- OpenAI. OpenAI API pricing. Accessed October 11, 2026.