商汤开源RoboRSI执行框架与27B具身模型，特定任务成本可降至GPT-6-Astra的1/50

商汤SenseNova联合研究团队近日开源了日日新SenseNova-RoboRSI执行框架及配套的RoboRSI-27B具身模型，并披露在特定条件下可将任务完成成本压缩至直接调用GPT-6-Astra的1/50。商汤方面表示，该数据来自其自身测试，尚待第三方复测，衡量的是叠碗、装笔等特定任务在扩展预算条件下的成本压缩，并非普适性成本基准。

同期发布的技术报告还系统评测了GPT-6-Astra在具身智能任务上的表现，覆盖12项仿真基准和8个真实机器人平台。在交互步数上限提高至标准预算10倍并允许In-Context Learning后，GPT-6-Astra在RoboDojo上的成功率从标准预算下的27.6%升至81.9%；但在真实机器人平台上，长程任务、跨任务泛化和柔性物体精细控制仍是短板。

RoboRSI框架将每个仿真基准及其依赖项打包为独立Docker镜像，通过统一HTTP API暴露环境交互与原生评分接口，研究者只需配置文件即可运行端到端评测。商汤称，RoboRSI-27B将经过验证的经验内化到模型权重中，减少推理时的试错。据披露，RoboRSI-27B在RoboCasa365上的成功率从26.0%提升至46.5%，Token使用量减少73.3%。

商汤同时提示，RoboCasa365为仿真基准，向真实物理环境的迁移能力仍待验证；1/50的成本结果也不等同于跨场景、跨任务类型的通用基准。此次开源选择以降低具身任务执行成本为切入点，通过开源框架和模型建立开发者生态，实际部署效果仍有待社区复测。