GPT-6 Astra 控制机械臂画金门大桥，通用大模型能当机器人大脑吗？
一台 150 美元的机械臂，画出了金门大桥
最近一段视频火了：一台售价约 150 美元的 SO-101 桌面机械臂，在 GPT-6 Astra 的指挥下，一笔一划画出了一幅红蓝相间的金门大桥。
这不是预设轨迹回放。Astra 先分析图像，决定从哪里落笔；再通过摄像头实时观察笔尖位置，动态调整动作，直到整幅画完成。整个过程没有人类干预，也没有专门针对绘图任务微调过模型。
Sam Altman 看完直接转发：“给我也来一个！”
这事听起来像网友整活，但它背后藏着一个更严肃的问题：通用大模型能不能直接当机器人的“大脑”？
从看视频到动手做：Physical ICL 成了
卡内基梅隆大学（CMU）的 Wenli Xiao 做了个更直观的实验。他先录下一段人类完成新任务的视频——比如把瓶盖拧到瓶子上——然后把这段视频直接喂给 Codex，再让 GPT-6 Astra 控制机械臂复现同样的动作。
结果一次就跑通了。
Wenli 把这种能力称为 “physical in-context learning”（physical ICL）。过去大模型能从几段文字或代码示例里临时学会新任务，现在人们发现，这种能力搬到物理世界也行得通：看一遍人类怎么做，就能让机器人照着做出来。
这省去了传统机器人开发中最耗时的部分——为每个任务单独写控制逻辑、调参数、反复试错。如果模型真能稳定复现这种能力，那机器人编程的门槛会大幅降低。
不只模仿，还能重建真实世界
另一批人走得更远。Lingxiao Guo 把真实机器人操作的多视角视频和动作数据交给 Astra，让它自己处理相机标定、三维场景重建和物体物理参数估计，最后生成一个能在 MuJoCo 里运行的仿真环境。
这个 real2sim 系统不只是“看起来像”，而是能准确模拟接触力、摩擦和运动约束，支持后续的动作回放和策略训练。这意味着，Astra 不仅能控制机器人，还能帮机器人“理解”它所处的物理世界。
X 上还有人把 Astra 接到更复杂的硬件上。Dmytro Hrybov 在 MuJoCo 中给它配了一台 Kinova Gen3 七轴机械臂和 Shadow Hand 五指灵巧手，任务是画毕加索那只著名的鸽子。
这比画金门大桥难多了。机械手不仅要握稳铅笔，还得协调手指与笔之间的摩擦力、控制笔尖与纸面的接触压力，同时保持手腕姿态稳定。Astra 居然也完成了。
实机测试：95% 成功率 vs 10% 成功率
如果说以上还在仿真或简单任务里打转，RoboCurve 的实机测试就更有说服力了。
他们把 GPT-6 Astra 接到两只真实的 I2RT YAM 机械臂上。Astra 每一步能看到顶部相机和两只手腕上的三个视角，加上机械臂自身的关节状态。然后它直接输出两只末端执行器的目标位姿：x、y、z、yaw、pitch、roll，以及夹爪开合状态。底层的逆运动学（IK）模块再把这些目标转换成具体关节角度。
测试任务很简单：把桌上的红色积木抓起来，放进旁边的碗里。
结果：20 次尝试，成功 19 次，成功率 95%。作为对比，同样条件下 Fable 5.1 只成功了 8 次。
但换一个任务，情况立刻变了。当任务变成“把一块圆形拼图准确嵌入对应凹槽”时，Astra 的成功率骤降到 10%——20 次只成功 2 次。
问题出在“最后一毫米”。Astra 能找到拼图、抓住旋钮、移动到目标附近，却很难完成精确对准和插入。稍微偏一点角度，零件就卡住；接触力稍有偏差，下一步动作就失败。
通用模型 vs 专用机器人基础模型
过去几年，机器人圈一直在问：“谁会成为机器人领域的 OpenAI？”
Physical Intelligence 和 Skild 是这条路上的明星。前者推出 π 系列模型，把视觉、语言和动作统一建模，希望从海量具身数据中学会通用操作能力；后者喊出 “Any task, any robot, one brain”，试图用一个模型驱动所有形态的机器人。
他们的核心思路很清晰：既然语言有 foundation model，机器人也需要在大量机器人轨迹上训练自己的基础模型。
但 Astra 的出现，让这个问题有了意外答案。Amazon Alexa 的首席科学家 Zeeshan Zia 直接说：“机器人领域的 OpenAI，可能就是 OpenAI 自己。”
关键在于，Astra 并没有走专用路线。它没用机器人数据从头训练，而是靠通用大模型已有的知识——关于物体、空间、因果、人类行为的理解——来指导动作。
这其实呼应了 OpenAI 早年的探索。2018 年，他们用 Dactyl 让 Shadow 灵巧手在真实世界旋转物体、解魔方，研究 sim2real 迁移、遮挡处理、多自由度控制。但后来团队解散了，原因之一是：机器人数据太贵、太慢，没法像互联网文本那样大规模获取。
如今，OpenAI 绕了一圈回来。它先把模型在语言、代码、视觉、Agent 上做大，积累了丰富的世界知识；现在要解决的，是如何把这些知识稳定地转化为身体动作。
Sam Altman 最近明确表示，OpenAI 会做人形机器人，也会探索其他形态。而真正的核心，仍然是那个“让机器人工作的大脑”。
Astra 怎么控制机器人的“身体”？
目前来看，Astra 并不直接控制每个电机。
在 RoboCurve 的设置中，它只负责高层决策：“手应该去哪里？” 输出的是末端执行器的目标位姿和夹爪状态。底层的 IK 和控制器负责解决 “每个关节怎么动？”
这是一种典型的分层架构：Astra 做感知、推理、规划；传统机器人栈做实时、稳定的低层执行。
英伟达前研究科学家 Yu Xiang 认为，这正是下一步的关键方向——如何把最先进的 AI 模型真正接入 manipulation（操作），而不只是停留在任务拆解和工具调用层面。
但也有人尝试让 Astra 更深入。有人让它直接输出 Unitree Go1 四足机器人的关节目标，以 50Hz 频率控制行走。实验确实跑起来了，但因为 Astra 推理速度跟不上实时需求，物理模拟必须在每次调用之间暂停。最终，250 次推理只换来约 5 秒的行走。
这说明：Astra 能决定“下一步该怎么动”，但还不能接管毫秒级的底层控制。
“最后一毫米”仍是硬骨头
Astra 的优势集中在“头脑”部分：理解场景、判断目标、规划路径。但一旦进入高频反馈、精细接触、力控制阶段，它的短板就暴露了。
Physical Intelligence 最近专门研究“最后一毫米”问题。他们的实验显示，让通用模型拿起螺丝刀很容易，但要快速准确对准一颗 M3 螺丝，仍需在线强化学习微调。网线插入、电源线固定、扎带扣合等任务，也都卡在类似的精细接触环节。
这揭示了一个现实：最强的大脑，需要匹配足够好的身体。
目前的机器人硬件在重复精度、力控响应、传感器融合等方面仍有局限。即使 Astra 知道“应该插进去”，但执行机构的微小误差、摩擦变化、延迟，都可能导致失败。
开放问题：通用模型能否终结专用路线？
Astra 的表现让人兴奋，但它还没完全回答那个根本问题：机器人是否还需要专门的基础模型？
一种可能是，通用大模型 + 分层控制架构，足以覆盖大多数日常任务。对于抓积木、倒水、开门这类中等精度操作，Astra 已经接近可用。
但对工业装配、精密维修、微创手术等高要求场景，专用模型+在线学习+高精度硬件的组合可能仍是必需。
更关键的是，Astra 的能力依赖于高质量的视觉输入和稳定的底层控制器。如果摄像头模糊、光照变化、或者 IK 解算失败，整个系统就会崩溃。而专用机器人模型往往在训练时就见过各种噪声和失败案例，鲁棒性更强。
所以，短期内更可能的路径不是“取代”，而是“融合”：用通用大模型提供高层语义理解和任务规划，用专用策略或传统控制处理精细执行。
OpenAI 如果真要造机器人，大概率也会走这条路——用 Astra 当大脑，但搭配专门为物理交互优化的身体和底层控制栈。
结语：大脑有了，身体还得跟上
GPT-6 Astra 的出现，证明了通用大模型在机器人控制上的巨大潜力。它不需要专门训练，就能完成从绘图到抓取的多种任务，甚至在实机测试中击败了部分专用系统。
但这不意味着机器人基础模型路线就此终结。相反，Astra 的局限恰恰凸显了物理交互的复杂性——理解世界容易，精准操作难。
未来几年，我们可能会看到两种路线并行：一边是 Physical Intelligence、Skild 等公司继续打磨专用机器人基础模型；另一边是 OpenAI、Google、Meta 等把通用大模型更深地嵌入机器人系统。
而最终胜出的，或许不是某一种模型，而是那个能把“最强大脑”和“最可靠身体”结合起来的方案。