当通用大模型开始直接控制人形机器人（886069），机器人距离真正的自主智能还有多远？
近期，优必选（HK9880）围绕 GPT-6 Astra 开展了一系列真机与仿真测试，探索通用大模型在空间理解、任务规划、运动控制和复杂操作中的能力边界。
从 Astra 直接控制机器人抓取物体，到调用优必选（HK9880）自研 Thinker-VLA 执行精细操作，再到结合 Thinker-WM 世界模型预测未来、辅助动作决策，六组实验呈现出一条清晰的技术演进路径。
实验表明，Astra 已经具备令人瞩目的空间理解与机器人控制能力，能够理解场景、规划任务，甚至直接生成机器人动作。
但与此同时，通用模型“会思考”，并不意味着机器人就能“做得好”。 在真实物理世界中，执行效率、操作精度、任务成功率和推理成本，仍然是机器人走向规模化应用必须解决的核心问题。
而这也恰恰体现了优必选作为人形机器人本体厂商的独特价值：
让通用大模型负责理解与决策，让优必选（HK9880）自研Thinker-VLA模型、世界模型及本体控制系统负责高效、精准地执行，把通用智能真正转化为机器人的实际生产力。
01
真机测试：从Astra直接控制
到具身VLA高效执行
真机实验：Astra 直控魔方、Astra + VLA 抓取福袋、
Astra + 全身 VLA 自主绕障
Astra 直接控制：能理解、能尝试
却难以完成最后一步
在第一组真机实验中，Astra 直接控制优必选（HK9880） Walker C1 人形机器人（886069），尝试完成桌面魔方抓取任务。
没有专用 VLA 承担抓取动作生成，Astra 需要根据机器人摄像头的实时观察，自主判断目标位置，并规划机械臂的抬升高度、关节姿态、手掌朝向和接近路径。
实验中，机器人能够理解目标、逐步接近魔方，并根据视觉反馈不断调整动作，展现出通用大模型的空间推理与动作规划潜力。
然而，从接近物体到稳定抓取，仍然存在明显的能力鸿沟。 尽管经过多轮尝试，机器人最终未能完成魔方抓取。
与此同时，反复观察、推理和调整也带来了较高的计算成本。
本次实验记录：
模型累计处理耗时：约 70 分钟
Token 消耗：约 9557.8 万
Astra API 估算费用：约 579 美元
最终结果：未完成抓取
这揭示了通用大模型直接控制机器人的现实挑战：它能够理解空间关系、生成动作决策，但面对连续运动和精细操作时，仍可能需要大量推理与反复修正。
能做出合理决策，与能够高效、稳定地完成真实操作，是两个不同层次的能力。
Astra + Thinker-VLA
专业具身模型，让操作更高效
第二组实验中，优必选（HK9880）采用了另一种技术方案：Astra 负责理解任务与调用技能，优必选（HK9880）自研Thinker-VLA模型负责执行精细操作。
在 Walker C1 桌面福袋抓取任务中，Astra 不再需要反复推理机械臂的每一步动作，而是通过调用具身 VLA，将目标操作交由专门训练的机器人策略完成。实验中，机器人成功完成了福袋抓取。
本次实验记录：
Astra 调用：仅 2 次
模型累计处理耗时：约 5 分钟
Token 消耗：约 301 万
最终Astra API 估算费用：约 17 美元
最终结果：完成抓取
将两组真机实验放在一起，可以清楚看到两种技术路线的差异：
注：两组实验任务不同，属于不同技术方案的演示记录
并非严格同任务性能对照。
这组测试说明：对于机器人已经具备的专业操作能力，没必要让通用大模型反复推理每一步低层动作。
让 Astra 发挥场景理解、任务规划和工具调用的优势，让优必选（HK9880）自研Thinker-VLA 发挥连续动作生成和精细操作的优势，能够为机器人构建更加高效的执行方式。
Astra + 全身 VLA：
从桌面抓取，走向移动与操作协同
机器人真正进入现实场景，需要的不只是抓取桌面上的物体，还需要自主移动、避开障碍，并将行走与操作连接起来。
在第三组真机实验中，优必选（HK9880）进一步将 Astra 与全身 VLA 相结合。
Astra 根据场景观察进行路径规划与阶段性决策，机器人则调用全身运动能力，穿过障碍物之间的通道、绕开前方障碍，逐步接近目标桌面，并调整最终站姿。
在这一过程中，Astra 主要负责“往哪里走、下一步做什么”，全身 VLA 则承担连续运动执行。
实验记录显示：
Astra 模型响应：31 次
Token 消耗：约 641.8 万
Astra API 估算费用：约 7.44 美元
实验阶段历时：约 19 分 30 秒
这组实验初步验证了通用模型与全身 VLA 协同完成移动任务的可行性。
从桌面抓取到自主绕障，优必选（HK9880）正在探索将高层认知、专业操作与全身运动连接为一套统一的机器人执行体系。
02
仿真测试：通用模型很聪明
但复杂任务仍有挑战
仿真实验：篮子搬运、Astra 直接控制叠碗
真实世界中的机器人任务往往并不是一次简单的动作，而是由多个步骤、多个决策和连续运动组成。
为了进一步分析 Astra 的能力边界，优必选（HK9880）在仿真环境中开展了移动操作与桌面精细操作测试。
搬运篮子：
长流程任务考验连续决策与稳定执行
在篮子搬运任务中，机器人需要根据指令移动到目标位置，抓取篮子，并尝试完成后续运输与放置。
Astra 能够观察环境、理解任务要求、规划动作，并通过调用全身 VLA 进行运动执行。
但随着任务步骤增加，机器人在抓取稳定性、动作衔接和连续操作方面逐渐遇到困难。本次实验最终未能完成整个任务。
实验记录显示：
Astra 模型响应：192 次
Token 消耗：约 1850.3 万
Astra API 估算费用：约 20.46 美元
这意味着，即使引入了具身执行能力，复杂长流程任务仍然需要解决高层规划与低层执行之间的协同问题。
特别是当操作失败、环境发生变化时，机器人不仅需要判断下一步做什么，还需要具备稳定的动作执行和失败恢复能力。
直接叠碗：空间推理能力强
不代表精细操作能力成熟
另一组仿真实验要求机器人完成桌面叠碗任务。
与篮子搬运不同，这组实验采用 Astra 直接控制机械臂的方式，让模型根据视觉观察判断碗的位置，并持续输出接近、抓取、移动和放置动作。
实验过程中，Astra 能够理解操作目标，并尝试通过多次调整完成任务。但经过 40 次动作决策，机器人仍未成功完成叠碗。
本次实验记录：
Astra 调用：40 次
模型累计处理耗时：33 分 15 秒
仿真动作执行时间：70.86 秒
Token 消耗：约 1035.3 万
Astra API 估算费用：约 12.02 美元
任务结果：未完成
这组实验反映出通用模型直接控制机器人的一个关键瓶颈：
对于接触丰富、位置精度要求高的操作任务，模型即使能够正确理解目标，也可能在动作生成、连续控制和误差修正中付出较高代价。
那么，能否让 Astra 不必亲自完成每一步动作，而是利用世界模型提前预测未来，从多个执行方案中选择更优的动作？
优必选（HK9880）进一步开展了第三组仿真验证。
03
Astra + Thinker-WM：
从反复试错，到预测未来、选择动作
仿真实验：Astra + Thinker-WM 预测未来并完成叠碗
世界模型参与决策
让机器人先“预演”，再执行
在这一实验中，优必选（HK9880）将 Astra 与自研具身世界模型 Thinker-WM 相结合，重新挑战此前未能完成的叠碗任务。
Thinker-WM 是优必选（HK9880）自主研发的统一多模态具身世界模型，能够在共享动态表征中联合建模视觉、深度和机器人动作，支持世界预测、动作生成等多种能力。
在本次实验中，Thinker-WM 根据当前场景生成多组候选动作及相应的未来场景预测。
Astra 则利用自身的理解与推理能力，对候选结果进行判断，选择合适的执行方案。
这使机器人的决策方式从传统的直接控制，进一步发展为：观察场景 → 预测未来 → 评估候选 → 选择动作 → 执行反馈。
Astra 不再需要独立承担每一次低层动作生成，而是将连续动作与未来场景推演交给 Thinker-WM，把自身的推理能力更多用于评估和决策。
最终，机器人在本次实验中成功完成了叠碗任务。
数据对比：更少的 Token、更低的推理成本，完成此前未完成的任务。与前述 Astra 直接控制的叠碗实验相比，融合 Thinker-WM 的方案取得了明显不同的结果。
在本次仿真叠碗样例中，Astra + Thinker-WM 实现了：
83.6% 的 Astra Token 消耗减少
74.2% 的 Astra API 估算费用减少
30.1% 的模型累计处理耗时减少
86.1% 的记录动作执行时间减少
任务由本次直接控制未完成，转变为协同执行完成
这里的关键并不仅仅是减少了模型调用次数，而在于改变了机器人完成任务的方式。
Astra 发挥高层认知与决策优势，Thinker-WM 提供物理世界动态预测与可执行动作候选，两者共同构建更加高效的机器人操作闭环。
通过世界模型预测未来，机器人有机会在执行前评估动作可能产生的结果，降低对真实环境反复试错的依赖，为复杂任务中的操作精度、执行效率和稳定性提升提供新的技术路径。
04
Astra 时代
优必选的核心竞争力是什么？
Astra 展示了一种令人期待的趋势：通用多模态大模型正在突破传统语言与视觉理解的边界，开始具备直接理解物理空间、规划机器人动作乃至控制真实机器人的能力。
这将为具身智能带来新的发展机遇，也提出了一个重要问题：当通用模型越来越强，具身机器人企业的核心竞争力将体现在哪里？
优必选（HK9880）认为，未来具身智能的关键，不是让通用大模型替代所有机器人专用模型，而是充分发挥不同模型的优势，让通用认知与本体智能深度融合。
通用模型是“大脑”
具身VLA/世界模型是高效执行的“动作专家
Astra 擅长理解复杂指令、分析场景、规划任务，并根据执行反馈调整策略。
但对于高频、连续、精细的机器人动作，让专用 VLA 承担执行，能够更好地利用真实机器人数据、运动控制经验和专业训练所积累的能力。
让 Astra 决定“做什么”，让 VLA 解决“怎么做”，是实现开放任务能力与高效执行的重要路径。
世界模型赋予机器人预测未来的能力
相比直接生成动作，世界模型进一步为机器人提供了预测动作后果的能力。
优必选（HK9880） Thinker-WM 将视觉、空间几何和机器人动作进行统一建模，能够预测未来场景变化，并生成相应动作。
结合 Astra 的高层理解与推理能力，机器人有望从被动执行指令、依靠反复试错，向基于未来预测的主动决策演进。
通用模型负责理解与判断，世界模型负责预测与生成，两者协同，为更复杂、更精准的机器人操作提供新可能。
本体、模型与真实数据闭环
是机器人智能落地的关键
机器人真正进入工厂、家庭和其他现实场景，不仅要理解任务，还必须具备可靠的全身运动、精细操作、实时反馈和持续改进能力。
作为兼具人形机器人（886069）本体、运动控制、真实场景数据和自研具身模型能力的企业，优必选（HK9880）能够围绕实际机器人任务，将高层规划、VLA、世界模型与全身运动能力深度结合，并通过真实执行反馈持续优化。
这种贯通“认知—预测—决策—执行—反馈”的完整能力，是推动机器人从实验演示走向实际应用的重要基础。
05
结语：让通用智能
真正转化为机器人的行动力
从 Astra 直接控制机器人，到调用Thinker-VLA 完成精细操作，再到结合 Thinker-WM 预测未来，这六组实验展示了通用大模型与具身智能融合的不同技术路径，也揭示了当前机器人走向实际应用仍需突破的挑战。
通用大模型的发展，正在为机器人提供更强大的认知与规划能力；而机器人本体、专业具身模型与真实世界数据，则决定了这些智能能否被高效、精准、可靠地执行。
未来的机器人，不仅要拥有能够理解世界的“大脑”，更要拥有能够精准行动的“身体”，以及能够预测未来、持续改进的智能系统。
优必选（HK9880）将持续探索通用大模型与自研Thinker-VLA、Thinker-WM、全身控制技术的深度融合，让机器人不仅能够理解任务，更能够真正完成任务。
让 AI 从“会思考”走向“会行动”，让具身智能从技术演示走向真实生产力。
