[红包]【西部计算机】Scaling law带来具身泛化能力 [太阳] GPT-6 Astra具身能力跃升，证明通用模型的scaling law在机器人领域成立
- 序号：383
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
[红包]【西部计算机】Scaling law带来具身泛化能力
[太阳] GPT-6 Astra具身能力跃升，证明通用模型的scaling law在机器人领域成立。 GPT-6 Astra无需机器人数据微调即可直接控制机械臂。根据RoboCurve实测，Astra控制双臂机械臂完成“积木入碗”粗抓放成功率95%，远超Claude Fable 5.1的40%。Astra具身能力提升的核心在于参数量大幅提升，带来开放理解与任务拆解能力的跃迁。
[太阳] 大模型有望带来具身任务的泛化与通用，“大模型—VLA—运控”分层渐成共识。在复杂任务中，“大模型+VLA”的混合控制策略效果更佳。未来架构有望分层：“大脑”通用大模型承担任务规划、语义理解等角色，VLA退居策略“小脑”、聚焦高频控制与接触协调，运动控制保持独立小模型、强调上下肢与全身协调，世界模型则转向预测动作施加后物体的具体变化与任务完成可能性。
[玫瑰] 标的：索辰科技、峰迢科技、上伟新材、奥比中光、嵘泰股份、东睦股份、宇树科技。
总体总结
主题正文
- [红包]【西部计算机】Scaling law带来具身泛化能力
- [太阳] GPT-6 Astra具身能力跃升，证明通用模型的scaling law在机器人领域成立。
- GPT-6 Astra无需机器人数据微调即可直接控制机械臂。
- 根据RoboCurve实测，Astra控制双臂机械臂完成“积木入碗”粗抓放成功率95%，远超Claude Fable 5.1的40%。
- Astra具身能力提升的核心在于参数量大幅提升，带来开放理解与任务拆解能力的跃迁。
- [太阳] 大模型有望带来具身任务的泛化与通用，“大模型—VLA—运控”分层渐成共识。
- 未来架构有望分层：“大脑”通用大模型承担任务规划、语义理解等角色，VLA退居策略“小脑”、聚焦高频控制与接触协调，运动控制保持独立小模型、强调上下肢与全身协调，世界模型则转向预测动作施加后物体的具体变化与任务完成可能性。
- [玫瑰] 标的：索辰科技、峰迢科技、上伟新材、奥比中光、嵘泰股份、东睦股份、宇树科技。