商汤开源具身模型RoboRSI-27B，任务成本降至GPT-6-Astra的1/50

今日，商汤发布针对GPT-6-Astra具身智能能力的系统性研究报告，并同步开源日日新SenseNova-RoboRSI框架及27B参数具身模型SenseNova-RoboRSI-27B-Preview。据商汤方面披露，新模型完成具身任务的成本仅为GPT-6-Astra的1/50。

此次研究覆盖12个仿真评测榜单及8款真实机器人。测试发现，通过允许模型访问训练示范数据，并将任务执行步数上限提高至原来的10倍，GPT-6-Astra在多项具身任务中的表现明显提升。其中，RoboDojo评测成功率达到81.9%，部分此前连续5次失败的任务，在增加交互步数后实现5次全部成功。

不过，商汤的测试也显示，GPT-6-Astra在复杂任务中的执行成本仍然较高。例如，完成叠碗任务平均耗时约131分钟，估算推理费用约19美元；将笔放入笔筒平均耗时约263分钟，估算费用约55美元。此外，模型在长序任务、跨任务经验迁移及复杂环境下的执行稳定性方面仍存在挑战。

针对上述问题，商汤开源了SenseNova-RoboRSI框架，通过Docker镜像封装仿真评测环境，并提供统一HTTP API，支持研究人员复现测试结果及开展模型开发。

同时发布的SenseNova-RoboRSI-27B-Preview采用多模态监督迭代，将任务理解、动作决策及反馈纠错能力融入模型参数。根据官方测试结果，该模型在RoboDojo上的任务成功率达到20.83%；在LIBERO-Pro评测中得分超过90分；在RoboCasa365上，任务成功率由26.0%提升至46.5%，同时Token开销减少73%。

商汤方面表示，未来具身智能评测需要进一步关注真实任务完成能力、执行成本及环境变化下的可靠性，推动具身智能从仿真榜单走向实际应用。