150美元机械臂用GPT-6画金门大桥

一台售价约150美元的SO-101机械臂，在GPT-6 Astra控制下画出了金门大桥。它不是照预设轨迹作画，而是先规划落笔位置，再通过摄像头边画边看，最终完成红蓝相间的画作。视频迅速走红，Sam Altman直接转发。

这引发了一个问题：谁会成为机器人领域的OpenAI？如今答案可能是OpenAI自己。

CMU Robotics的Wenli Xiao做了实验：录下人类完成新任务的视频，丢进Codex，再让Astra控制机械臂用同样方式完成任务，竟然一次跑通。他称之为“physical ICL”——大模型从上下文临时学会新任务的能力，搬到了物理世界。

还有人让Astra当“机器人工程师”。Lingxiao Guo把真实机器人演示的多视角画面和动作数据交给Astra，让它自己处理相机标定、场景重建和物理参数，再搬进MuJoCo，得到可继续接触仿真和动作回放的real2sim环境。Dmytro Hrybov在MuJoCo中给Astra配了Kinova Gen3机械臂和Shadow Hand五指机械手，让它握铅笔画出毕加索的鸽子，需同时处理握笔姿态、摩擦和笔尖接触。

更有说服力的是RoboCurve的测试：把Astra接到两只真实I2RT YAM机械臂上。每一步Astra能看到顶部和两个手腕共三个相机视角及机械臂状态，直接给出末端执行器的x、y、z、yaw、pitch、roll和夹爪状态，再由底层IK转换成关节动作。任务是把红色积木抓进碗里，20次成功19次，成功率95%；同样测试中Fable 5.1只成功8次。一个并非专为机器人训练的通用模型能做到这种程度，出人意料。

这撞上了过去几年机器人行业最热的路线——专门给机器人训练“基础模型大脑”。Physical Intelligence希望训练跨任务、跨场景、跨本体的通用机器人基础模型，其π系列把视觉、语言和动作放进同一套模型；Skild的目标是“Any task, any robot, one brain”。两家代表典型思路：机器人需要海量机器人数据训练出理解身体和动作的基础模型。

但Astra出现后，Amazon Alexa Principal Scientist、Retrocausal联合创始人Zeeshan Zia判断：“机器人领域的OpenAI，看来可能就是OpenAI，而不是Physical Intelligence或Skild。”Astra没有先收集大量机器人轨迹再专门训练，而是带来另一种可能：如果通用AI本身足够强，还需不需要从头造机器人的大脑？

OpenAI其实很早就做过机器人。2018年推出Dactyl，让Shadow Dexterous Hand在真实世界旋转物体，后又完成魔方操作。但几年后OpenAI关闭机器人团队。Wojciech Zaremba提到现实限制：机器人缺少像互联网文本那样可大规模获取的数据。如今OpenAI先把模型在语言、代码、视觉和Agent上做大，积累关于物体、空间、因果关系和人类行为的知识，再把这些知识变成身体动作。Sam Altman已明确表示OpenAI会做人形机器人，也会探索其他形态，关键仍是让机器人工作的“大脑”。

目前Astra不直接控制每一台电机。以RoboCurve实机测试为例，Astra给出末端执行器目标位置和姿态，再由底层逆运动学转换成关节动作。分工是：Astra判断“手应该去哪里”，传统控制栈解决“每个关节怎么动”。英伟达前研究科学家Yu Xiang也提出，如何把最先进AI模型真正接进manipulation值得关注。

但问题也逐渐显现。有人让Astra直接输出Unitree Go1的joint targets，尝试以50Hz控制四足机器人行走。实验跑了起来，但推理速度跟不上实时控制，物理模拟必须在每次模型调用之间暂停，250次推理只换来约5秒行走。Astra能决定“下一步该怎么动”，但直接接管毫秒级底层控制还不现实。更现实的形态可能是分层分工：Astra负责理解环境、推理和规划，低层policy与控制器负责快速稳定执行。

会规划动作，距离真正做好动作还有不小距离。RoboCurve测试中，积木入碗成功率95%，但换成把圆形拼图准确嵌进凹槽，成功率立刻跌到10%，20次只完成2次。很多距离成功仅一步之遥：Astra已找到拼图、抓住旋钮并移动到目标凹槽附近，却很难完成最后精确插入。这最后几毫米展现了机器人最棘手的问题：位置和角度稍有偏差，零件就无法对准；真正接触受硬件误差干扰，下一步动作也无法完成。