斯坦福团队在HomeBody项目中用GPT-6 Astra调度导航、抓取、开抽屉等可复用技能，让宇树G1在未见过的新厨房中收拾物品、丢纸盒并从抽屉取药，部署时不需要额外采集训练数据或训练专用动作策略。
AI解读：这条新闻的核心不是机器人又会做一件家务，而是大模型控制机器人的方式变了。斯坦福团队的HomeBody项目没有让GPT-6 Astra直接生成每一个关节动作，而是把它放在决策层，让它调用导航、抓取、放置、开抽屉这些封装好的技能，由技能模块自己解决“手怎么伸过去、怎么抓起来”的问题。
真正受影响的是做具身智能和机器人应用的人。过去换一个新厨房，通常要么重新采数据，要么重新训一套专用动作策略；HomeBody的说法是部署到新厨房不需要额外采集训练数据，也不需要再训练专用策略，这让“换环境”的成本结构发生了变化。
但门槛没有消失。前期要花时间和API成本重建数字厨房，执行时模型推理会让动作之间出现等待，长时间干活还要过硬件关，比如手指舵机过热。整套系统跑在一台搭载RTX 4090的笔记本上负责感知、规划和技能执行，Astra在远端决策，所以“买台G1接上GPT就能做家务”目前还不成立。
斯坦福团队在HomeBody项目中把GPT-6 Astra接上宇树G1，让机器人进入厨房执行语言指令。据量子位2026年9月30日报道，G1会先探索一个从未见过的厨房，随后根据指令收拾物品、丢掉纸盒，甚至把不在视野内的药找出来递到人手里。
HomeBody的核心思路是让GPT把机器人技能当作工具调用。Astra负责理解目标、安排步骤，再调用导航、抓取、放置、开抽屉、从抽屉取物等技能，把任务一步步做完。
整个流程分三步。第一步，机器人接到“你是一台厨房机器人，请探索这个空间”的指令后，Astra选择值得观察的位置引导G1移动，机器人一边走一边记录相机画面、激光雷达扫描和自身关节姿态与途经位置；相机看清房间内容，激光雷达提供实测空间结构，SLAM帮助机器人建图并确定自身位置，这些观察被保存为可调用的空间记忆。
第二步，Astra担任Real2Sim智能体，在Isaac Sim仿真平台里搭出数字厨房。系统把SLAM测得的几何信息交给模型，用真实测量约束重建结果，再把真实世界的定位地图与数字厨房对齐到同一坐标系，将拍到的画面、内容描述和对应位置关联起来，让记忆里的画面同时对应一个可以返回的位置。
第三步，用户给出目标，比如“收拾一下厨房”，再补充咖啡袋放哪里、哪些纸盒要扔。Astra结合当前画面、地图、空间记忆、手里有没有拿着东西以及上一步执行结果，选择接下来调用哪项技能、操作哪个目标。
演示中，用户只说了“帮我把药拿来”，药不在当前视野里，系统从之前保存的画面中找到抽屉，把导航、开抽屉、取药等技能接起来，还能同时完成丢纸盒的任务。
GPT只决定抓哪个、用哪只手，技能模块负责手怎么伸过去
此前Robocurve让GPT和Claude控制机械臂，是让模型根据相机画面和机器人状态，通过工具调用指定夹爪的位置、朝向和开合状态，再由底层模块转换成具体动作。HomeBody同样采用工具调用，但交给GPT的是更完整的技能：导航、抓取、放置、开抽屉，以及从抽屉中取物。
在常见的机器人分工里，System 2是视觉语言模型，负责看图、理解指令、决定做什么；System 1是视觉语言动作模型，负责生成动作命令；System 0是底层控制器，负责协调身体执行。HomeBody调整的是中间这一环：让System 2直接调用技能库，由技能模块规划具体动作，再交给底层控制系统执行，不必经过一个学习型VLA。
技能库里装的是已经写好、可复用的电机技能，包括Navigate、Pick、Place、Open drawer、Pick from drawer等。这些技能有统一接口：大模型只需要告诉它去哪里、抓什么、放到哪，技能自己执行，执行完再把结果反馈给大模型。
以抓取为例，Astra只需要在画面中点出目标物体，再指定使用左手还是右手。抓取技能内部的感知模块会圈出物体、估计深度，结合相机标定确定目标的三维位置并计算抓取姿态，运动规划器再规划机械臂怎么伸过去、怎样避开障碍，最后交给控制模块执行。导航接收目标位置和朝向，放置接收物品落点，开抽屉则把对准把手、勾住把手、后退拉开封装成一项完整技能。
每项技能执行后都会把结果反馈给Astra，再由它决定下一步。遇到偏差时，技能模块会先自行调整、重试，解决不了再交回大模型重新安排。走路、伸手时怎样保持平衡属于System 0的工作，HomeBody使用预训练的AMO控制策略，让下半身运动同时考虑上半身的动作目标。
- 交给GPT的是导航、抓取、放置、开抽屉、从抽屉取物等完整技能，而非直接指定夹爪位置、朝向和开合状态
- 技能有统一接口：大模型说去哪里、抓什么、放到哪，技能模块负责具体动作规划
- 执行后技能反馈结果，偏差先由技能模块自行调整重试，解决不了再交回大模型
不用为新厨房再训练，但部署和硬件仍有成本和限制
团队表示，部署到这个新厨房时，系统不需要额外采集训练数据，也无须再训练一套专用动作策略。
但这不等于整套系统从未训练过。HomeBody不用为新厨房重新训练专用动作策略，现成的感知模型、运动规划和预训练控制器仍是机器人能把活干起来的基础。
部署和运行也有成本。目前HomeBody的感知、规划和技能执行运行在一台搭载RTX 4090的笔记本上，Astra则在远端负责决策。前期重建数字厨房需要准备时间和API成本，实际执行任务时模型推理会让动作之间出现等待。
硬件也可能是限制。即使软件流程顺利跑通，长时间干活还得过硬件这一关，比如手指舵机过热，就是系统目前面临的限制之一。
- 新厨房部署不需要额外采集训练数据，也不需要再训练专用动作策略
- 感知、规划和技能执行跑在一台搭载RTX 4090的笔记本上，Astra在远端决策
- 前期重建数字厨房需要时间和API成本，执行时推理会造成动作间等待
- 手指舵机过热是系统目前面临的硬件限制之一
大模型控制机器人的几条路线与最新分数
报道将当前大模型控制机器人的做法归为几条路线。第一条是Robocurve最早采用的方案：大模型直接接收相机画面和机器人状态，输出夹爪的目标位置、朝向和开合程度，再由底层逆运动学模块转换成关节动作执行，完成后重新观察，形成闭环。
第二条路线是让大模型充当System 2，搭配负责生成动作的VLA。Anthropic测试过让语言模型接收、修改甚至替换MolmoAct提出的动作。
HomeBody选择让System 2直接调度技能库，再由包括预训练AMO在内的底层系统负责执行与身体协调。报道称，这不是简单地多接一层System 0，而是换了一种连接决策与动作的方式，再结合空间记忆，把任务从桌面扩展到整个房间。
Robocurve的最新战况是：GPT-6 Sol平均得分是GPT-5.6 Sol的1.6倍，成本低约47%；Opus 5.5平均得分约为Opus 5的1.8倍，与GPT-6 Astra接近，单次成本比Astra低约21%。
- 路线一：大模型直接输出夹爪目标位置、朝向和开合程度，由逆运动学模块转成关节动作
- 路线二：大模型充当System 2，搭配负责生成动作的VLA
- HomeBody：System 2直接调度技能库，预训练AMO等底层系统负责执行与身体协调
- GPT-6 Sol平均得分是GPT-5.6 Sol的1.6倍，成本低约47%；Opus 5.5平均得分约为Opus 5的1.8倍，单次成本比Astra低约21%