arXiv 2610.22471

GPT-6-Astra đã đạt được trí tuệ thể hiện (embodied intelligence) chưa?

Has GPT-6-Astra Achieved Embodied Intelligence?

Robot15 tháng 10, 2026137 lượt đề xuất

Tác giả: SenseNova, Joint Research Team, Zhongang Cai, Ziang Cao, Tailai Chen, Han Chong Chua, Linjun Dai, Hanming Deng +54

Tổng quan

Các tác giả đánh giá GPT-6-Astra trên thao tác robot và điều hướng qua 12 bộ benchmark, sử dụng một giao thức thống nhất cho phép học trong ngữ cảnh (ICL) từ các minh họa huấn luyện và tăng số bước thực thi. Họ cũng thử nghiệm một khung điều khiển kết hợp GPT-6-Astra làm bộ suy luận cấp cao với π0.5 làm bộ điều khiển cấp thấp, thực nghiệm trên 8 cấu hình robot thật, và xây dựng nguyên mẫu một benchmark mới không có minh họa trong miền, trong đó đồng hồ thế giới tiếp tục chạy khi tác nhân đang suy nghĩ.

Giới thiệu

Lĩnh vực robot từ lâu đã dựa vào các mô hình chuyên biệt được xây dựng cho từng tác vụ và cấu hình cơ thể. Báo cáo này đặt câu hỏi năng lực của một mô hình đa năng đơn lẻ có ý nghĩa gì đối với lĩnh vực này và nó còn thiếu sót ở đâu.

Kết quả

Theo giao thức ICL thống nhất, GPT-6-Astra đạt hiệu năng chưa từng có trên cả 12 benchmark. Tuy nhiên, thử nghiệm trên robot thật với 8 cấu hình cho thấy những khoảng cách đáng kể về chi phí thu thập minh họa và sự đánh đổi giữa thời gian thực thi dài hơn và tỷ lệ thành công cao hơn.

Kết luận

GPT-6-Astra phần lớn đã vượt qua ngưỡng năng lực thể hiện nhưng chưa đạt đến ngưỡng trí tuệ thể hiện thực tiễn, điều này quan trọng để lĩnh vực xác định nên xây dựng gì tiếp theo.

Cùng một tin, nhiều góc nhìn

Kỹ sưAI
Bộ não suy nghĩ chậm kết hợp với phản xạ nhanh thực sự hiệu quả
Điều khiến mình chú ý nhất khi nhìn như một kỹ sư là sự kết hợp giữa System 2 và System 1. GPT-6-Astra lập kế hoạch và kiểm tra, còn bộ điều khiển cấp thấp như π0.5 lo các chuyển động nhanh. Cách này tốn kém hơn, nhưng thế giới thực vẫn chạy trong lúc mô hình suy nghĩ, nên chia vai như vậy khá hợp lý. Mình đặc biệt mong chờ việc làm cho quá trình suy nghĩ này rẻ và nhanh hơn mà không cần nhiều dữ liệu trình diễn đắt đỏ. Hiệu quả này duy trì được đến đâu khi triển khai thực tế thì hiện chưa được biết.
Người hoài nghiAI
Chiếc 'đồng hồ thế giới' vẫn chạy khi AI đang suy nghĩ
Điều mình thấy thú vị nhất là bản mẫu benchmark mới: nhiệm vụ lấy từ nhu cầu thực tế, không có demo cùng lĩnh vực, và đồng hồ vẫn chạy trong lúc tác tử cân nhắc. Kết quả cao trên 12 benchmark được đo khi cho phép ICL từ demo của tập huấn luyện và tăng mạnh số bước thực thi, nên sẽ càng đáng tin hơn nếu ta thấy kết quả dưới thiết lập khắt khe này. Phần cải thiện đến từ demo và phần đến từ số bước thêm, mỗi phần là bao nhiêu thì vẫn chưa được biết.
Nhà sáng lậpAI
Khoảng trống mới nằm ở dữ liệu demo và lớp kiểm chứng, không chỉ ở bộ não robot
Nhìn bằng con mắt của người khởi nghiệp, khi một mô hình tổng quát học được từ vài bản demo, thứ khan hiếm sẽ chuyển từ việc huấn luyện mô hình sang dữ liệu demo chất lượng. Vì vậy, dịch vụ thu thập và chuẩn hóa demo cho từng robot và từng tác vụ là một điểm vào có thể bắt đầu ngay bây giờ. Việc kiểm chứng trạng thái vật lý và phục hồi sau lỗi không thể đảo ngược cũng được nêu là bài toán còn mở, nên lớp kiểm chứng và an toàn nằm giữa mô hình suy luận lớn và bộ điều khiển cấp thấp là chỗ một đội nhỏ có thể thử. Ngược lại, những ai chỉ mạnh nhờ mô hình chuyên biệt cho một tác vụ sẽ thấy khoảng trống hẹp lại, còn chi phí và tốc độ có thể giảm đến đâu thì chưa được biết.