商汤联合多所高校及企业团队，针对GPT-6-Astra的具身能力，进行了12项仿真评测及8个真实机器人平台的系统分析。研究发现，在借助上下文学习、放宽动作步数限制的条件下，GPT-6-Astra在多项传统具身评测中成绩接近满分。然而，在真实机器人操作任务中，其在精细接触、长程任务等场景失误较多，存在物理操作成功状态误判、错误难以补救、执行成本高等问题。研究认为，GPT-6-Astra虽已跨过具身能力门槛，但距离实用部署仍有差距。团队还指出，现有具身评测存在局限，需更贴近真实家庭需求。为此，他们推出了可递归自我进化的SenseNova-RoboRSI具身系统框架，该框架能在不更新基础模型权重的前提下，依托执行反馈持续优化机器人表现，相关方案已在多项仿真评测中验证有效。