先了解这件事
商汤开源了SenseNova-RoboRSI框架及一个27B具身模型,并同步发布针对GPT-6-Astra的具身智能实证研究。该研究覆盖12个仿真基准和8个真实机器人平台。在统一协议(ICL加最多10倍交互预算)下,GPT-6-Astra在12个基准上均达到SOTA,RoboDojo成功率从1倍预算的27.6%升至10倍的81.9%,DexJoCo达87.3%,此前SOTA为40.3%。研究同时指出,把笔放进笔筒这类简单任务推理成本约55美元,真实机器人会过热、等待时间过长,结论是GPT-6-Astra已基本跨过具身能力门槛,但实用级具身智能尚未到来。开源框架将各Benchmark封装为独立Docker镜像并通过统一HTTP API提供环境交互与评分;27B模型在RoboCasa365上成功率由26.0%提升至46.5%,任务Token开销减少73%,任务完成成本约为GPT-6-Astra的1/50。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：商汤 SenseTime
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月20日
中华网科技
商汤实测 GPT-6-Astra 并开源 SenseNova-RoboRSI 框架与 27B 具身模型
商汤在 12 个模拟评测和 8 款机器人上系统测试 GPT-6-Astra，并开源 SenseNova-RoboRSI 评测框架与 SenseNova-RoboRSI-27B-Preview 具身模型，称其任务完成成本为 GPT-6-Astra 的 1/50。测试显示，解除步数限制并允许访问训练集后，GPT-6-Astra 在 RoboDojo 上任务成功率达 81.9%，但叠碗平均耗时约 131 分钟、估算推理费用约 19 美元，把笔装进笔筒平均耗时 263 分钟、约 55 美元。开源框架将各 Benchmark 封装为独立 Docker 镜像并通过统一 HTTP API 提供环境交互与评分，27B 模型在 RoboCasa365 上成功率由 26.0% 提升至 46.5%，任务 Token 开销减少 73%。
10月19日
商汤 SenseTime精选
商汤发布 GPT-6-Astra 具身智能实证研究及 SenseNova-RoboRSI 框架
商汤发布针对 GPT-6-Astra 具身智能的实证研究，覆盖 12 个仿真基准和 8 个真实机器人平台，并同步开源 SenseNova-RoboRSI 框架及一个 27B 模型，其运行成本约为 GPT-6-Astra 的 1/50。在统一协议（ICL 加最多 10 倍交互预算）下，GPT-6-Astra 在 12 个基准上均达到 SOTA，RoboDojo 从 1 倍预算的 27.6% 升至 10 倍的 81.9%，DexJoCo 达 87.3%，此前 SOTA 为 40.3%，LIBERO 基准则被推到饱和。研究同时指出，把笔放进笔筒这类简单任务的推理成本约 55 美元，且真实机器人会过热、等待时间过长，因此结论是 GPT-6-Astra 已基本跨过具身能力门槛，但实用级具身智能尚未到来。