ARTICLE · 人工智能
具身智能的 ChatGPT 时刻！上海创智学院团队开源了
一语总结上海创智学院邱锡鹏团队提出具身任务智能体（ETA）范式并开源 OpenETA 框架，主张通过模型-工具-运行时-环境回执的可信闭环解决具身智能落地难题，在 LIBERO 基准上验证了范式有效性。
文章系统阐述了具身任务智能体（ETA）范式：指出当前 VLA/WAM 等端到端模型虽进展快，但面临数据稀缺、实时性与模型能力张力、动作输出不等于任务闭环三大挑战。ETA 将数字世界的 Agent 闭环（理解-调用-反馈-决策）迁移到物理世界，核心不变量为“一次仅执行一个改变世界的动作，动作后必须获取新观测才能继续”。OpenETA 框架将系统拆分为智能体（规划与记忆）、中间层（门控验证与契约）、世界（仿真/真机执行与真值回执）三角色，并细化 Tool、Skill、AtomAction、Soul 等概念。实验在 LIBERO 四个 suite 400 个 episode 中完整 OpenETA 成功 56 个；轻量版 OpenETA-for-codex 配合 GPT-5.6 Sol 在 130 任务上 Pass@5 达 90%。文章进一步论证了 Sim2Real 迁移的是任务级闭环而非动作序列，并规划了多物体进度管理、双臂协同、自进化飞轮等未来方向。内容为一手原创发布，含论文、代码、项目主页链接，信息密度高、架构清晰、有详实实验数据支撑。
- 提出 ETA 范式：具身智能需构建模型-工具-运行时-环境回执的可信闭环，而非单一大模型。
针对 VLA/WAM 仅预测动作、缺乏动作后验证与失败恢复的问题，ETA 引入‘一次一动作、动作后必取新观测’的运行时不变量，将任务级决策、工作记忆、门控验证、环境真值回执显式化。
- 开源 OpenETA 框架：三层架构分离智能、执行权与环境，提供可替换、可复现的实验底座。
智能体负责理解目标与提出结构化指令，中间层负责工具契约校验、副作用分类与执行门控，世界层负责真实执行并返回奖励、终止等真值。框架内置 LIBERO 评测协议与不可变轨迹记录。
- 实验验证范式有效性：完整版与轻量版在 LIBERO 上均取得非零成功率，强模型显著提升任务覆盖率。
完整 OpenETA（GPT-5.6-luna）400 episode 成功 56 个，长时程任务仍为瓶颈；OpenETA-for-codex 仅三工具下，GPT-5.6 Sol 在 130 任务上 Pass@5 达 90%，且观察到强模型更少空抓、更常用预览功能决策。
- Sim2Real 迁移的是任务级闭环而非动作序列，仅需替换设备适配层。
ETA 层的目标描述、工具契约、门控验证、新观测义务、检查流程可复用；迁移时通过后端适配器统一工具语义，保持上层逻辑不变，已完成真机初步测试。
- 规划自进化飞轮：将验证过的成功/失败轨迹沉淀为训练数据，训练具身专属 agentic 基模，推动系统持续进化。
未来工作包括优化 Token 利用率、扩展双臂/动态接触/移动操作工具、连接数据导出-训练-回归评测闭环，最终实现‘执行-验证-沉淀-学习-再部署’的能力飞轮。
具身智能的 ChatGPT 时刻！上海创智学院团队开源了
文章系统阐述了具身任务智能体（ETA）范式：指出当前 VLA/WAM 等端到端模型虽进展快，但面临数据稀缺、实时性与模型能力张力、动作输出不等于任务闭环三大挑战。ETA 将数字世界的 Agent 闭环（理解-调用-反馈-决策）迁移到物理世界，核心不变量为“一次仅执行一个改变世界的动作，动作后必须获取新观测才能继续”。OpenETA 框架将系统拆分为智能体（规划与记忆）、中间层（门控验证与契约）、世界（仿真/真机执行与真值回执）三角色，并细化 Tool、Skill、AtomAction、Soul 等概念。实验在 LIBERO 四个 suite 400 个 episode 中完整 OpenETA 成功 56 个；轻量版 OpenETA-for-codex 配合 GPT-5.6 Sol 在 130 任务上 Pass@5 达 90%。文章进一步论证了 Sim2Real 迁移的是任务级闭环而非动作序列，并规划了多物体进度管理、双臂协同、自进化飞轮等未来方向。内容为一手原创发布，含论文、代码、项目主页链接，信息密度高、架构清晰、有详实实验数据支撑。
文章金句
"大家期待的具身智能"ChatGPT 时刻"也许不会只来自一个突然变大的模型，而会来自模型、工具、运行时、证据和经验共同组成的可信闭环。
"真正困难的地方，不是让模型"说出一个动作"，而是让它知道动作之后世界究竟发生了什么。
"一次只执行一个会改变世界的动作；动作之后，必须取得新观测（fresh observation），才能执行下一个依赖当前状态的动作。
"智能体负责"想做什么"，宿主负责"能不能做"，环境负责"实际上发生了什么"。