才发现，有专门测 LLM 根据视觉做任务的： https://robocurve.org
比如，让独眼的 Astra 操纵机械臂：
把东西放到碗里： https://openai.robocurve.org/gpt-6-astra/runs/videos/rig-1_6b47f3c6.mp4
把圆盘放到凹槽里： https://openai.robocurve.org/gpt-6-astra/runs/videos/rig-4_edd32a0a.mp4
这里是所有的 20 次实验，包括 Astra 和 Fable ，有视频，也有 AI 的思考输出：
https://openai.robocurve.org/gpt-6-astra/
虽然有很多次失败，但我看了下视频，大概是因为 LLM 都是靠单个视频帧来调整动作，“无法看准”。