SenseTime, junto con equipos de varias universidades y empresas, organizó a GPT-6-Astra de OpenAI un gran examen centrado en la "inteligencia corporal" (embodied intelligence). El examen fue muy amplio: cubrió 12 evaluaciones de simulación y 8 plataformas reales de robots, con el objetivo de ver con claridad si este modelo estrella puede pasar realmente de ser el "cerebro" dentro de la pantalla a desarrollar manos y pies para trabajar. La conclusión es un poco incómoda: cuando se le da cierta ventaja (mediante aprendizaje en contexto y la relajación de las restricciones sobre el número de pasos de acción), GPT-6-Astra logra puntuaciones cercanas al pleno en muchas evaluaciones corporales tradicionales; pero al pasar a robots reales, ante escenarios que exigen operaciones de verdad, como el contacto de precisión y las tareas de largo alcance, su frecuencia de errores aumenta.
El verdadero problema no está en "saber moverse", sino en "saber si se ha movido correctamente". El estudio señala que GPT-6-Astra a menudo juzga erróneamente los estados de éxito en las operaciones físicas: cree que ya agarró o colocó algo, cuando en realidad no es así; y una vez que se equivoca, la corrección es bastante difícil, además de que el costo de prueba y error en la ejecución con robots reales resulta escalofriantemente alto, por lo que aún le falta un buen trecho para poder desplegarse de verdad en puestos de trabajo. El juicio general del equipo es: GPT-6-Astra ya ha cruzado el umbral de las capacidades corporales, pero todavía existe una distancia evidente respecto a su uso práctico.
Esta evaluación también dejó al descubierto, de paso, las burbujas del propio sistema de evaluación corporal existente. El equipo de SenseTime considera que las puntuaciones de los benchmarks tradicionales están infladas porque están demasiado lejos de las necesidades reales de los hogares, y que la evaluación debe ajustarse hacia una dirección más cercana a la vida cotidiana. Como respuesta, el equipo presentó su propia solución: el marco de sistema corporal SenseNova-RoboRSI. Su ingenio radica en que no es necesario actualizar los pesos del modelo base, sino que se basa en la retroalimentación de la ejecución para que el robot logre una "autoevolución recursiva" que optimiza continuamente su desempeño; este enfoque ya ha validado su efectividad en múltiples evaluaciones de simulación. En una frase: cuando los grandes modelos sacan pleno en el examen pero se mueven torpemente en la realidad, quizá lo que la industria deba corregir no sea solo el modelo, sino también la vara con la que lo mide.