header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
扫码下载APP

GPT-6 Astra考过「科目二」?5分22秒驶入锥桶车位

动察 Beating AI 快讯,三名中国台湾地区研究人员搭建 DrivingBench,将 GPT-6 Astra、GPT-5.6 Sol、Grok 4.6 和 Claude Fable 5.1 等通用大模型接入一辆真实的 2022 款丰田卡罗拉,进行类似「科目二」的真实车辆驾驶测试。测试赛道全长约 130 米,由彩色锥桶组成 8 米宽通道,车辆需连续通过多个弯道,最终驶入一个 7×5 米的锥桶车位。


此前从未接受专门驾驶训练的 GPT-6 Astra,在首次测试中因判断失误偏离赛道,但第二次调整策略后,以 5 分 22 秒完成约 134.7 米赛程并成功驶入车位,成为四个模型中唯一「通过科目二」的模型。


测试中,Astra 将弯道及障碍物附近车速控制在 0.5 至 0.8 米/秒,并根据实时摄像头画面持续调整方向。相比之下,Sol、Grok 和 Fable 均未完成测试,其中 Sol 和 Grok 连续三次失败,Fable 第三次行驶至约 45% 位置后停止。


此次测试显示,未经专门驾驶数据训练的通用大模型已能够在低速真实环境中完成基础驾驶任务,但距离实际道路自动驾驶仍存在明显差距。

AI 解读
OpenAI GPT-6 Astra 9月发布,RoboDojo 已让通用多模态直接接管机械臂,压过专用 VLA。DrivingBench 把同一逻辑搬到真车:不喂驾驶数据,仅靠摄像头闭环,Astra 首次偏离后第二次以5分22秒完成134.7米并泊入锥桶车位,Sol、Grok、Fable 均失败。速度细节:弯道与障碍附近仅0.5—0.8米/秒,通关靠保守纠错而非驾驶策略。通用 Agent 正从屏幕、模拟器外溢到车辆与机器人,评测标尺也从专用模型转向通用大模型,但离真实道路自动驾驶仍有量级差距。
展开
举报 纠错/举报
纠错/举报
提交
新增文库
仅自己可见
公开
保存
选择文库
新增文库
取消
完成