这份榜单第一次把真机测试拉进具身大脑评测, GPT-6 Astra直接拿下全球第一, 但是国产模型在长链条任务上还是差了一口气。

榜单为啥值得关注

在以前的时候, 各家单位都习惯用那种虚拟仿真的方法去跑分计算成绩，可是, 因为使用的测试集不一样, 所以排出来的名次就显得乱七八糟、毫无秩序可言, 现在这份排行榜可就有意思了, 它里面加入了大量的真实机器实际测量的数据, 而且这些数据的覆盖面那叫一个广, 像是什么环境感知、物体识别、长任务规划、还有对物理世界的预判能力, 全都囊括其中, 这样一来, 就把国内国外的那些主流模型, 全都被拉到了统一的标准下面去进行打分评价, 你说这参考价值是不是就明显地变得更高了。

现在市面上那种评测榜单多得很, 各种各样都有。像大厂还有创业公司, 都加入了机器人的竞争里。不同的榜单之间的结果经常互相冲突。这份报告把真实机械的部分也给拉进来进行测试了。这种方法算是给整个行业提供了一种更贴近实际应用情况的参考标准。这样做至少让人们不用再去单纯关注虚拟的分数了。

GPT-6 Astra怎么赢的

GPT-6 Astra的的综合得分是在各个方面都远远超过其他对手。它的主要核心优势集中在长逻辑推理能力, 以及复杂任务的拆解能力上面。

当给机器人下达包含多个步骤的连锁指令的时候, 它能够把所有的环节一步一步地拆分开来, 不会出现任何遗漏的情况。在进行到执行过程的后期阶段时, 它的表现依然是非常稳定可靠的。

当人们面对那些陌生的环境里突然冒出来的状况时, 它那种在物理世界里提前把情况猜到的本领, 比别的模型都要强得多。

像在抓取东西或者是移动着去导航这种任务里, 需要马上弄明白了三维空间是个啥样子, 它在出错时的容忍度以及应对变化的反应能力, 都显得更加得心应手和从容不迫, 所以拿全球第一这个名次, 那真的是完全没有丝毫悬念可言的。

阿里中兴并列国内第一

阿里达摩院以及中兴这两个机构的模型所得到的分数是完全一致的, 并且二者并列于国内排行榜的首位。

关于阿里所推出的那个版本, 它的特长在于处理时空记忆方面的问题, 当机器人执行任务的过程中被意外打断之后, 该模型仍然能够记住在前面那些部分里还没做完的事情, 以便让机器接着继续干活, 而不是必须要从最开始的地方重新再来一遍。

中兴的版本重点在于端侧的落地实施, 具备很强的硬件适配能力。因此它更适合直接安置在实体机器人设备当中运行。同时它的部署门槛也比较低。假如用户的目标是进行量产并投放到真实的设备环境里去, 选择中兴这一条技术路线更加务实。此外该方案的整体成本也处于更可控的范围之中。

国产模型还差在哪

从总分来看, 国产模型与国内行业头部企业以及GPT之间还存在明显的差距。当面对步骤非常多、逻辑链条很长的连锁型任务时, 国内的模型会时不时地出现判断错误的情况, 其任务的连贯性和鲁棒性还显得不够强。

当一个人在处理那些从来都没有见过、也不熟悉的环境的时候, 泛化这个能力就显得是一个特别明显的短板了。在仿真环境里面跑得表现很好并且顺畅这个事实, 并不能够直接说明在真实的车间里或者是仓库里或者是在家庭的场景之中模型的表现也是稳定和可靠的。

因为模型对于物理世界里面的细节进行感知以及进行预判的这个环节, 还需要花费更多的功夫去慢慢打磨和锻炼。所以说, 这块所存在的差距和问题, 并不是仅仅靠着用一天的时间就能够完全补齐的。

具身大脑到底管什么

具身大脑它并不等同于那些普通的聊天模型, 它是需要能够看懂复杂的画面内容的, 也是能够听懂人类发出的语言的, 它还要负责规划接下来的各种动作环节, 同时还需要去指挥机器人进行抓取物体和移动位置的操作, 并且它还得有能力去面对在现实生活场景里面所出现的那些突发性的状况, 因为它的复杂度是远远超过普通的大模型的, 所以它才是机器人真正的中枢神经系统。

目前的人形机器人正处于早期的发展阶段, 而其具备的大脑性能水平将直接决定它在未来能够胜任的工作岗位数量到底有多少, 不管是从工厂里的装配环节到提供家庭辅助服务这种场景中去观察, 都可以看到其核心决策能力越强它所能够处理的任务种类就会变得越多, 从而促使这一特定领域的发展上限持续向上延伸, 因此建议大家需要对这条具有前景的技术赛道保持高度关注并进行长时间的跟踪监测。

差距还会持续收窄

现在, 正在进行具身大脑相关技术研发的团队数量正在不断增多。无论是大型科技企业还是新兴的创业公司, 都在向这一领域投入大量的资金。与此同时, 技术发展的路线正在快速地趋于统一和集中。

在接下来的时间里, 各个不同的团队会对各自的模型项目进行持续的升级和优化。大家追赶整体发展节奏的步伐是绝对不会放慢下来的。在国内市场处于领先地位的企业中, 其产品更新迭代的频率目前已经完全能够赶上行业的整体进度水平。

从这份榜单可以看出, 国内头部水平和全球第一的位置目前已经持平, 这说明双方的差距正在以人们肉眼能够清晰看见的速度慢慢减少, 按照现在这样快速的更新迭代步伐, 大概在一到两个大的版本升级之后, 长链条任务和泛化能力方面的不足情况, 大概率都会被弥补完全。

你考虑一下, 具身智能的大脑技术, 到底是先是在工厂里面实实在在地用起来了, 还是先在家里面的场景里真正落地了? 你可以到评论区里面去聊一聊你的想法, 如果你认为我们的内容是有用的话, 就给我们点个赞, 并且转发给身边那些做机器人行业的朋友。