NVIDIA GEAR 开源 ASPIRE V1.0：编程智能体为机器人写控制代码、自己调试并积累技能库；GPT-6 Astra 驱动的双臂机器人解出魔方，换底层模型让 LIBERO-Pro 成功率从 15% 升到 99%

这件事意味着什么

【要点】

NVIDIA GEAR 实验室负责人 Jim Fan 北京时间 10 月 17 日 00:15 宣布开源机器人智能体框架 ASPIRE V1.0（Apache 2.0）。它不训练神经网络，而是让编程智能体为机器人写控制代码、看执行记录找出失败原因、改代码再验证，把验证过的修复存进可复用的「技能库」，越用越快。

V1.0 新增真实机器人上的在线技能学习：双臂机器人在 GPT-6 Astra 驱动下解出魔方，还能拧瓶盖、把药片放进瓶子再拧上、把杯子倒扣叠起。仓库称在 80 个 LIBERO-Pro 任务及部分 Robosuite、BEHAVIOR-1K 任务上成功率约 99%；同一套环境下换底层模型，10 个 LIBERO-Pro 任务成功率从 15%（GPT-6 Luna）到 99%（Claude Opus 5.5）。Jim Fan 说 Astra 上线当天换模型，一夜之间基准接近饱和。

【可核验】

项目页：https://research.nvidia.com/labs/gear/aspire/

代码：https://github.com/NVlabs/ASPIRE

论文：https://arxiv.org/abs/2607.00272

Jim Fan 发布帖：https://x.com/DrJimFan/status/2111128797181567466

【我们的判断】

一、这说明机器人「写代码当策略」路线的上限主要取决于底层大模型：环境不变，换模型就从 15% 到 99%。前沿模型变强，机器人能力会跟着涨。

二、项目自己列出的局限很重要：真实世界还离不开成功判定、安全复位和人工标定；动作只能用预先定义的感知和控制接口；搜索循环要大量模型调用，成本高。

三、基准接近饱和更多说明 LIBERO-Pro 这类测试已不够难，不代表机器人通用能力已经解决。