论文：Has GPT-6-Astra Achieved Embodied Intelligence?（作者 “Joint Research Team”，主页挂在 SenseNova 下，2026.10）一、论文定位这篇不是方法论文，而是一份评测加立场的技术报告。它把 GPT-6-Astra 作为通用基础模型直接当机器人策略使用，从四个角度回答"这对具身智能领域意味着什么"：统一协议下，在 12 个基准上测它的能力上限。对 harness 做消融，包括 System 1 与 System 2 的协作方式、动作表示和 chunk 长度。在 8 种真实机器人平台上验证。提出下一代具身基准的设计原则，并做了一个家居场景的原型。结论是：GPT-6-Astra 已基本越过"具身能力（competence）"的门槛，但还没越过"实用具身智能"的门槛。二、主要贡献1. 迄今覆盖面最广的统一评测12 个设置覆盖桌面机械臂、灵巧手、人形机器人、家务长程任务和视觉语言导航，用的是同一套协议。协议有两条规则：允许 ICL：模型先研究训练集示范，自己写一个冻结的"知识包"，内容包括任务指导、运动参考、视觉参考、可执行的 FK/IK 辅助代码、检查与恢复流程、元数据。测试时只读这个包，不更新权重，各 episode 之间也不传递信息。步数预算最多放大到 10 倍。结果：LIBERO 系列和 SIMPLE 接近饱和（98–100%），DexJoCo 87.3%，RoboDojo 81.9%。协议设计较严谨：1× 与 10× 分别单独运行；10× 是在同一个 episode 里继续，不重置；特权信息被屏蔽，包括物体位姿、深度、分割、接触信息和评估器诊断。如图所