NVIDIA GEAR：ASPIRE v1.0 开源，真机魔方求解 + 前沿模型刷满机器人基准

当地时间 2026年10月16日（美西约上午9:15），NVIDIA GEAR 实验室 Jim Fan（@DrJimFan）与 Guanzhi Wang 等宣布开源 ASPIRE v1.0（Agentic Skills Discovery for Robotics）。主帖数小时内约 1.9 万展示、370+ 赞；配套研究页与 GitHub（NVlabs/ASPIRE，Apache 2.0，星标约 315）同步上线。系统把「训练」改成技能精炼：编码智能体写控制程序，从执行轨迹诊断失败、修复并沉淀可复用技能库，再经进化搜索扩展，而不是靠梯度更新权重。

官方演示亮点：真机机械臂在线学习解打乱魔方（后端换到 GPT-6 Astra 后仿真基准一夜接近饱和）；在固定环境与评测协议下横向对比 GPT-6 Astra、Claude Opus 5.5 / Sonnet 5.5、Claude Fable 5.1，以及开源权重侧的 Kimi K3、Qwen 3.8 Max 等。页面称配合更强前沿模型时，LIBERO-Pro 80 项平均成功率约 99%，Robosuite 与 BEHAVIOR-1K 代表任务可达约 100%；相对先前方法，扰动操作最高约 +77%、双臂交接约 +72%。团队还给出真机在线学习的 token/墙钟时间随回合下降曲线，以及跨本体 sim-to-real 长程餐桌整理等画廊。论文 arXiv:2607.00272。

谁能用：开源框架，仓库与研究页对公众开放（Apache 2.0）。需要自备机器人仿真/真机接口与可调用的 LLM API（OpenAI / Anthropic / 兼容接口等，按各厂商 Free/Pro/API/Enterprise 账号与计费）。不是消费级 App 一键入口，也不是 NVIDIA 云托管产品面；无 waitlist。适合有机器人实验栈的高校/工业实验室与 agent 工程团队。后端模型能力与成本决定上限——页面提到 Sonnet 5.5 约 $12/任务量级的成本—能力权衡。

真实用法：机器人团队可把 ASPIRE 当「系统 2」外挂——让编码智能体调用感知/抓取/运动原语，把失败轨迹写回技能库，减少对手动示教数据的依赖；产线试点可先在 LIBERO/Robosuite 类仿真刷技能，再迁移少量真机回合做魔方级精细操作或桌面整理；模型评测方可用同一 harness 横向比较 Astra / Opus / 开源权重在机器人编程上的性价比，而不是只看聊天榜。

解读：这是「绑到具体模型名」的机器人 harness 新闻——价值在技能库能否跨任务复利，而不只是 Rubik’s Cube 演示。讨论：1）基准一夜刷到 ~99% 后，下一轮机器人评测该怎么设才不被 harness 吃干？2）开源 ASPIRE 会不会把「谁的 API 更会写机械臂代码」变成新的模型军备赛赛道？

来源：NVIDIA GEAR https://research.nvidia.com/labs/gear/aspire/ · GitHub https://github.com/NVlabs/ASPIRE · @DrJimFan https://x.com/DrJimFan/status/2111128797181567466 · @guanzhi_wang https://x.com/guanzhi_wang/status/2111127089428701366 · arXiv https://arxiv.org/abs/2607.00272