英伟达开源机器人框架ASPIRE：接入GPT-6后一夜刷爆基准

英伟达正式开源机器人智能体框架ASPIRE V1.0，能让机器人自己写控制程序、执行任务、复盘失败、修改代码，并将验证有效的方法存入技能库。据英伟达机器人负责人Jim Fan透露，OpenAI发布GPT-6 Astra当天，团队直接更换了ASPIRE的底层模型，仅一夜之后多个机器人基准接近满分：LIBERO-Pro的80项任务成功率达99%，Robosuite的7项代表性任务和BEHAVIOR-1K的2项代表性任务全部达到100%。Jim Fan称其为机器人领域的“0到1海啸”。代码、实验配置和Skills均已开源。

ASPIRE全称为Agentic Skill Programming through Iterative Robot Exploration，核心逻辑是把机器人当作会运行和调试代码的Agent。机器人执行任务时系统留下完整多模态轨迹，包括视觉识别结果、候选抓取点、运动路径和碰撞反馈。任务失败后，Agent沿轨迹回溯排查问题，修改控制程序并重新执行，改对了保留，失败了继续调。系统还会同时探索不同方案，如换手、调整距离、改用更复杂运动规划器或从另一方向接近，多轮筛选后有效方案才进入下一步。

ASPIRE将验证成功的经验整理成Skill放入持续扩张的技能库，下次遇到相似场景可直接检索已有Skill并结合当前任务生成控制程序。目前官网展示的技能库包含90多项Skill，覆盖150多个任务、18个类别，涵盖抓取、导航、物体搜索、感知定位、双臂操作、失败恢复等。在LIBERO-Pro Long代表性未见任务中，ASPIRE依靠积累技能取得31%的零样本成功率，此前方法仅4%。模拟器中积累的Skill还能迁移到真实机器人，更换机器人形态和API后，Agent首次成功调试所需Token减少，最终程序在未见测试中成功率更高。

ASPIRE早期使用Claude Opus 4.6作为后端，Astra发布后团队直接更换底层模型，任务成功率随即跳升，整套系统未经历大幅重构，原有感知工具、控制接口、执行反馈和技能库继续沿用。Jim Fan称之为“Physical Bitter Lesson”——通用模型在软件世界学会的推理、编程和工具调用能力，正沿ASPIRE这类框架进入物理世界。此外，李飞飞创办的World Labs世界模型Atlas已开始分批推送Beta访问资格，支持像素级相机路径控制，可从少量图片或手机视频重建空间并输出点云和3D Gaussian Splat，模拟机器人看到的RGB与深度信息，与ASPIRE可形成模拟世界生成加机器人任务执行的组合。