一台售价约 150 美元的 SO-101 机械臂，最近在 GPT-6 Astra 的控制下画出了一幅金门大桥。这不是沿着预设轨迹机械复现。Astra 先决定从哪里落笔，再借助摄像头边画边看，最后完成了一幅红蓝相间的金门大桥。
这段视频很快在 X 上传开，Sam Altman 也转发并写道：「给我也来一个！」
Astra 在机器人实验中频繁出现
过去几年，机器人行业一直在讨论一个问题：谁会成为机器人领域的 OpenAI。随着 Astra 在一系列公开实验中被接入不同机器人系统，这个问题又被重新摆上台面，而答案也开始指向 OpenAI 自己。
画金门大桥只是其中一个展示。CMU Robotics 的 Wenli Xiao 做了一个更直接的实验：团队先录下一段人类完成新任务的视频，再把这段录像交给 Codex，随后由 GPT-6 Astra 控制机械臂，用同样方式完成任务。结果是一次跑通。
Wenli Xiao 将这种能力称为「physical ICL」。过去，大模型可以根据上下文中的文字或代码示例，临时学会一个新任务；现在，这种能力开始被搬到物理世界里。
另一组实验则把 Astra 放到了「机器人工程师」的位置上。Lingxiao Guo 将真实机器人演示的多视角画面和动作数据交给 Astra，让它自行处理相机标定、场景重建和物理参数，再把真实环境搬进 MuJoCo。最终得到的不是一个外观相似的 3D 场景，而是一套可以继续进行接触仿真和动作回放的 real2sim 环境。
X 上还有开发者把 Astra 接到更复杂的机器人本体上。Dmytro Hrybov 在 MuJoCo 中为 Astra 配置了一台 Kinova Gen3 机械臂和 Shadow Hand 五指机械手，让它握住铅笔，画出毕加索那只著名的鸽子。这个过程中，机械手不仅要处理握笔姿态，还要同时应对手指与铅笔之间的摩擦，以及笔尖与纸面的接触。
RoboCurve 实机测试给出更直观的数据
如果说前面的案例还带有一些展示性质，RoboCurve 的测试则给出了更明确的结果。团队把 GPT-6 Astra 接到两只真实的 I2RT YAM 机械臂上。每一步执行时，Astra 都能看到顶部和两只手腕上的三个相机视角，以及机械臂自身状态；随后，它直接输出两只机械臂末端执行器的 x、y、z、yaw、pitch、roll 和夹爪状态，再由底层逆运动学系统转换成具体关节动作。
测试任务是把桌上的红色积木抓起，放进旁边的碗里。20 次测试中，Astra 成功 19 次，成功率为 95%。同样测试里，Fable 5.1 只成功了 8 次。
一个并非专门为机器人训练的通用模型，能在这类任务上做到这种程度，超出了不少人的预期。
机器人是否还需要单独训练一颗「大脑」
这个结果，正好碰上了机器人行业过去几年最热的一条路线：为机器人单独训练基础模型。
随着大模型能力向视觉、语音和 Agent 扩展，机器人行业也一直在追问，语言领域已经有了 GPT，机器人什么时候会有自己的「GPT」。在这样的预期下，Physical Intelligence 和 Skild 很快成为明星公司。
Physical Intelligence 希望训练一个跨任务、跨场景、跨机器人本体的通用机器人基础模型。其 π 系列模型把视觉、语言和动作放进同一套模型中，希望机器人能像大模型理解文本那样，从大量具身经验中学会操作真实世界。
Skild 的目标则更直接：「Any task, any robot, one brain。」无论是四足机器人、人形机器人，还是桌面机械臂和移动操作平台，都由同一个通用「大脑」来理解任务并规划动作。
这两家公司代表的是过去几年机器人基础模型的一条典型思路：既然语言有 foundation model，机器人也需要在海量机器人数据上训练出一套真正理解身体和动作的基础模型。
也正因如此，「谁会成为机器人领域的 OpenAI」一直是这条赛道绕不开的问题。
Amazon Alexa Principal Scientist、Retrocausal 联合创始人 Zeeshan Zia 给出的判断是：「机器人领域的 OpenAI，看来可能就是 OpenAI，而不是 Physical Intelligence 或 Skild。」
这句话之所以引发讨论，在于 Astra 并没有沿着传统机器人公司的路径前进。它不是先收集大量机器人轨迹，再专门训练一套从视觉到动作的基础模型，而是提出了另一种可能：如果通用 AI 本身已经足够强，是否还需要从头再造一颗机器人的大脑。
OpenAI 曾离开机器人，如今又从另一条路回来
这个问题放在 OpenAI 身上尤其特殊，因为它很早就做过机器人。
2018 年，OpenAI 推出 Dactyl，让 Shadow Dexterous Hand 在真实世界里旋转物体，随后又进一步让灵巧手完成魔方操作。那时，OpenAI 已经在研究今天机器人行业仍然绕不开的问题：如何在模拟中训练，再把能力迁移到真实世界；如何处理摩擦、遮挡、传感器噪声，以及复杂的多自由度控制。
但几年后，OpenAI 关闭了机器人团队。Wojciech Zaremba 当时提到一个现实限制：机器人缺少像互联网文本那样可以大规模获取的数据。与可以直接从互联网获得海量文本和图像不同，机器人数据昂贵、采集缓慢，也很难覆盖足够丰富的真实世界。
现在看，OpenAI 当年因为数据问题暂时离开机器人，后来却可能沿着另一条路径重新回到这个方向。过去几年，OpenAI 先把模型在语言、代码、视觉和 Agent 上一路做大，让模型积累了关于物体、空间、因果关系和人类行为的大量知识；接下来，机器人要做的，是把这些已有知识稳定转成身体动作。
Sam Altman 最近也明确表示，OpenAI 会做人形机器人，也会探索其他机器人形态。在他的表述里，关键部分仍然是让机器人工作的「大脑」。
Astra 如何控制机器人的身体
目前的做法，并不是让 Astra 直接控制每一台电机。
以 RoboCurve 的实机测试为例，Astra 每一步会看到三个相机视角和机械臂自身状态，然后直接给出末端执行器应该到达的位置和姿态，包括 x、y、z、yaw、pitch、roll 以及夹爪状态；之后再由底层逆运动学系统，把这些目标转换成各个关节的具体动作。
这是一种很典型的分工。Astra 负责判断「手应该去哪里」，传统机器人控制栈负责解决「每个关节具体怎么动」。
英伟达前研究科学家 Yu Xiang 也提出，机器人学接下来一个值得关注的方向，可能就是如何把最先进的 AI 模型真正接进 manipulation。相比只让大模型停留在最上层、负责拆解任务和调用工具，Astra 已经开始更直接地参与机器人的动作决策。
高频控制和精细接触仍是难点
不过，问题也在继续暴露。
有人尝试让 Astra 直接输出 Unitree Go1 的 joint targets，像强化学习 policy 一样，以 50Hz 控制四足机器人行走。实验确实跑了起来，但由于 Astra 的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。最终，250 次推理只换来了约 5 秒钟的行走。
这说明 Astra 已经能够决定机器人「下一步该怎么动」，但要让它直接接管毫秒级底层控制，暂时还不现实。更现实的形态，可能不是让一个大模型从头管到脚，而是继续保留分层：Astra 负责理解环境、推理和规划，低层 policy 与控制器负责把这些意图快速、稳定地变成动作。
「最后一毫米」仍然卡住机器人
会规划动作，不等于已经把动作做好。
还是在 RoboCurve 的测试里，Astra 在「把红色积木放进碗里」这个任务中 20 次成功 19 次，成功率达到 95%；但当任务换成把一块圆形拼图准确嵌进对应凹槽时，成功率立刻跌到 10%，20 次只完成了 2 次。
很多失败都只差一步。Astra 已经能找到拼图、抓住旋钮，并把它移动到目标凹槽附近，但很难完成最后的精确插入。
这最后几毫米，恰恰暴露了机器人最棘手的一类问题：位置和角度只要稍有偏差，零件就无法对准；真实接触又会受到硬件误差干扰，后续动作也会因此中断。
Physical Intelligence 最近也专门研究了「最后一毫米」。在他们的实验中，让一个通用机器人模型拿起螺丝刀并不难，但想要快速、准确地对准一颗很小的 M3 螺丝，仍然需要通过在线强化学习继续优化。网线插入、电源线插入、扎带固定等任务，也都卡在类似的精细接触阶段。
Astra 目前最明显的优势，集中在理解环境、判断目标和规划动作这些更偏「头脑」的部分；一旦进入高频反馈、精细接触和力控制，机器人自身的身体经验仍然很重要。
这也让「谁会成为机器人领域的 OpenAI」这个问题留下了一个关键悬念：机器人可以先用最强模型当大脑，但能与之匹配的物理身体，还没有出现。