港大MMLAB发布PhysicalRSI 1.0，成功率反超GPT-6 Astra

AI 摘要

香港大学MMLAB提出具身智能自进化系统PhysicalRSI 1.0，通过System 1-2协同自进化让机器人改写自身工具、代码、记忆与技能，并由物理环境选择更优子代。该系统在RoboDojo评测中以31.38%平均任务成功率登顶，超过GPT-6 Astra的22.48%，且成本仅为后者的百分之一。其精密操作成功率从Astra的4%提升至32.5%，团队希望以此建立具身自进化的研究基础设施。

正文节选

香港大学MMLAB提出了一个非常简洁且高效的自进化具身智能系统基线，“PhysicalRSI 1.0”，登顶RoboDojo。让机器人根据任务改写自己的工具、代码、记忆、与技能，再由物理环境选出更有能力的“下一代”。 PhysicalRSI 1.0在RoboDojo上取得了31.38%的平均任务成功率。相较于GPT-6 Astra在RoboDojo上全量测试一次需消耗20万人民币tokens费用，PhysicalRSI 1.0仅用百分之一的成本，比GPT-6 Astra的成功率相对提升了39.6%。 一、从训练动作模型，到让通用大模型直接控制机器人 通用大模型，开始在机器人评测中超过专用策略。 9 月，GPT-6 Astra在 RoboDojo上取得28.97 Score、22.48%平均成功率，超过报告比较的40个公开机器人策略。直接看图、理解指令、决定机械臂如何运动，正在成为通用大模型的一项新能力。 VLA、WAM 等路线从动作学习和物理预测入手，通用大模型则将语义理解与任务推理带入控制过程。如今，这些路线开始在同一套机器人任务上接受检验。但GPT-6 Astra的成绩也呈现出鲜明

发布时间：—

抓取时间：2026-09-29 02:00

来源机构：智东西