HomeBody：GPT Astra 跳过 VLA，直接指挥 G1 收拾陌生厨房
发推人转述斯坦福的 HomeBody：一台 Unitree G1 先探索陌生厨房，建立持久空间记忆与 Real2Sim 数字孪生，再用 GPT Astra（推文写作 GPT-6 Astra）规划并组合技能。项目页由斯坦福 The Movement Lab 与加州理工团队发布（2026 年 9 月，作者 Gio Huh、Cayden Gu、Takara E. Truong、C. Karen Liu、Guy Tevet），核心追问是：当 System 2 的前沿 VLM 足够强，中间那层学习型 System 1 VLA 是否还必要。HomeBody 用即插即用的 VLM 加可组合技能库，替代 VLM→VLA→System 0 全身控制这条链路，不需要环境专属训练数据，也不做额外策略学习。部署分三步：机器人先在未见过的厨房里采集 0.5 倍 iPhone 视频、D435i 观测、LiDAR 与 SLAM、关节姿态以及 Astra 选定的路点；再由 Astra 充当 Real2Sim 智能体，用机器人自己采集的数据在 Isaac Sim 中重建数字孪生；然后直接下达日常任务，VLM 靠空间上下文选择动作与目标，而不是执行动作级脚本。技能库含抓取、放置、开抽屉、从抽屉取物、导航五个技能，共享同一套目标与执行结果接口，通过结构化 tool call 调用，也允许接入自己的学习策略或经典算法。两个演示任务：整理厨房（把咖啡袋集中到岛台，丢掉变质的牛奶与橙汁盒），以及取药（药瓶起初不在视野内，用存储的关键帧定位抽屉，右手开抽屉取药递给人，左手丢掉纸盒）。执行侧用 Super Odometry 定位，并以 ICP 把 SLAM 地图与重建对齐；抓取调用给出归一化到 0-1000 的图像点与用哪只手，触发分割并配 SAM 2.1 跟踪与 Fast-FoundationStereo 深度估计，随后用最小 jerk 样条、逆运动学与扫掠碰撞检查规划手臂；失败时先做有界本地重试，穷尽后把原因返回给 VLM，由它重新定位或改换计划。下身控制用预训练 AMO，手臂与手指令 250 Hz、AMO 策略 50 Hz，技能与感知整套跑在一台 RTX 4090 笔记本上，Astra 在远端。作者也列出局限：Real2Sim 增加搭建时间与 API 成本，任务长度受可达范围、操作能力与硬件耐久（手指舵机过热）限制，Astra 的推理延迟会在技能之间造成停顿。代码已在 GitHub 开源，项目页尚未给出论文链接。
