先练习、再带着笔记上场：AI接手了机器人不会做的14项模拟家务

不重新训练模型参数，先让AI在虚拟厨房里练习、记下做法，再带着笔记正式上场。Robot Learning Collective在11月10日提交的研究中报告：对14项挑选出来的困难家务，GPT-6 Astra操控模拟机器人的平均目标完成度达到0.639，而团队专门训练的机器人模型为0.108。这项分数统计满足了多少个任务条件，不是完整任务成功率。

练习过程像拆解一份复杂菜谱。AI先找出抓取、按压、开门等难点，反复尝试；卡住时查看人类示范，对比动作，再调整。成功后，它把动作命令和测量结果写成步骤。正式测试从同一份冻结记录开始，只能看摄像头图像、深度和机器人状态，再写短程序调用移动工具；练习时可用的存档回退和目标答案不再提供。

这套方案参加了2026年BEHAVIOR机器人挑战赛，比赛包含100项模拟家庭活动，从开收音机到做饭。团队大部分任务仍交给训练好的动作模型，只把自行测试后挑出的14项交给编码AI。团队报告，其最终提交的整体完整任务成功率为27.3%，排名第九。把通用AI的分步骤推理、试错和经验记录接到机器人控制上，展示了一种跨过固定动作模型弱点的办法。

代价也很直观：AI每次运行的实际耗时中位数约38分钟，约为对应模拟时间的17倍，API费用达数十美元；AI思考时，模拟器会暂停。它仍会倒错东西、摆放不准或陷入循环。结果由团队使用官方评测程序自测，未进入主办方私有测试集复测，14项任务也并非随机抽取。这离可在真实家庭独立工作的机器人仍很远，眼前更有价值的问题是，能否把慢而昂贵的练习所得，变成便宜、及时的机器人动作。

来源时间：arXiv初稿提交，北京时间2026年11月11日02:06:16／美国东部时间2026年11月10日13:06:16（EST）。