NVIDIA 开源 ASPIRE V1.0：机器人技能发现与自改进框架

2026/10/17 00:48

核心发布：NVIDIA GEAR 实验室开源 agentic robotics framework ASPIRE V1.0，具备真实机器人上的技能发现与自我改进能力；开源代码库与项目页同日开放，Jim Fan 与论文一作 Guanzhi Wang 同步发布解读。
模型切换实测：GPT-6 Astra 上线当天，实验室把 ASPIRE 的后端模型直接换成 Astra，隔夜将全部仿真基准刷至约 99%——LIBERO-Pro 80 项任务 99%、Robosuite 7 项代表任务 100%、BEHAVIOR-1K 2 项代表任务 100%。Astra 在多项任务上被 Jim Fan 形容为 0→1 的跃迁，而非既有能力的边际改善。
竞争坐标：Opus 5.5 在其机器人仿真基准上略微领先 Astra；Sonnet 5.5 以每任务约 12 美元落在机器人能力与成本的帕累托前沿。
时间线：ASPIRE 与 /robot 技能库于今年 6 月首次提出，当时前沿模型尚不能可靠执行机器人任务；Jim Fan 将此次结果称为物理世界版的 Bitter Lesson——模型能力上行会整体抬升机器人系统的上限。
行业意义：机器人的能力提升路径，正从改造专用策略模型转向「识别—复现—自改进技能库 + 通用前沿模型做后端」；同一套框架仅靠替换后端模型就刷满仿真基准，意味着机器人栈与语言模型栈开始共享同一条能力改进曲线，技能库与自改进循环承担可复用资产的角色。