机器人领域的人工智能突破不会很快改变你的生活

该公司声称，该模型展现了组合泛化的初步迹象，这是一个术语，指人工智能系统通过重新组合在训练数据中学到的技能来执行从未接触过的技能的能力。一项测试要求模型“将红薯放入空气炸锅中”——这是它以前从未遇到过的任务。在演示视频中，机器稍微乱动了一下，进行了几次错误的启动，最终做出了合理的努力，尽管它没有完全完成任务。加州大学伯克利分校教授、PI 联合创始人谢尔盖·莱文 (Sergey Levine) 对这种潜力感到兴奋：“这实际上是我们第一次令人信服地看到这种组合概括，我们基本上可以要求模型执行我们没有专门收集数据并训练它执行的任务，而且它实际上会做出还算可以的尝试。”这一成功让团队想知道该模型是如何实现这一壮举的。经过一番挖掘，他们发现培训材料中潜藏着相关标记的远程操作数据片段，其中包括人类控制器使用机器人将空气炸锅篮子推入炸锅的两个示例。这些数据碎片可能足以让 π0.7 几乎可以空气炸红薯。目前，尚不清楚 π0.7 的泛化能力到底有多强。尽管如此，考虑到该模型与空气炸锅的接触时间是多么短暂，它还是让我们得以一睹目前机器人的前沿研究能走多远。 “70% 的成功就好像它不起作用”你可能会感觉到机器人在实验室中蹒跚学步——“看！它把一个红薯放入空气炸锅里！”——与许多演示和视频中令人眼花缭乱、栩栩如生的灵活性之间的脱节，在这些演示和视频中，机器人可以做各种各样的事情，从在舞台上跳舞到礼貌地提供饮料。此类演示通常无法清楚地揭示一个关键事实：在许多情况下，人类正在控制机器人或精心编写其动作。 （例如，2025 年 3 月与 Nvidia 首席执行官黄仁勋一起出现在舞台上的机器人，看似响应他的指令并跟随他，实际上是由其制造商所谓的“幕后操纵者”远程控制的。）目前，完全自主的运动规划使机器人知道它应该去哪里——尤其是在建筑工地或陌生的家等新的、混乱的环境中——仍然是一个基本上尚未解决的挑战。更大的挑战仍然是——尽管通常是相关的——在于让机器人处理更大、更模糊的工作，其中包括多项任务，需要决定它们的完成方式和顺序。这就是能够将盘子放入微波炉的机器人与能够通过探索冰箱、切碎食材和点火炉子来成功响应“做晚餐”提示的机器人之间的区别。谷歌 DeepMind 在此类事情上的最佳尝试——包括要求其机器人勘察厨房并将蘑菇烩饭的所有原料装入篮子中——迄今为止都以失败告终。更困难的是，实用的机器人必须每次都能正确完成任务。有了 VLA，“当结果从 50% 的成功率上升到 70% 的成功率时，人们会非常兴奋，”波士顿动力公司创始人 Marc Raibert 说道。 “但是 70% 的成功就像不起作用一样，对吧？”演示通常会让机器人看起来很有用，但这些机器仍然经常出问题，无法在家庭和工厂中可靠地使用。 AP IMAGES、SHUTTERSTOCK、1X、AGILITY ROBOTICS、GOOGLE DEEPMIND 在现实环境中进行测试的少数类人机器人在严格控制的环境中执行极其有限的任务。他们远非通才。据该公司称，Agility 在 GXO Logistics、亚马逊和舍弗勒拥有的设施中部署了数百台机器人进行试验。但赫斯特说，目前机器人的目标是简单的任务，例如移动垃圾箱和手提袋。他补充说，即便如此，也花了数年时间才开发出足​​够安全的机器人，让物流公司甚至考虑使用它们。埃隆·马斯克在 2025 年 5 月声称，到今年年底，“数千个”他的 Optimus 机器人将在特斯拉工厂工作，但今年 1 月，他表示该公司只有“一些特斯拉 Optimus 机器人在工厂里执行简单的任务”。虽然类人机器人开始冒险进入工厂车间，但进入家庭将更加困难。现在，如果您愿意，可以预订 1X Neo 家用机器人，预计将于今年晚些时候发货。售价 20,000 美元，它承诺承担“房子周围无聊而平凡的任务”——收拾盘子、应门、打扫客厅——“这样你就可以专注于对你来说重要的事情。”这个想法是让这个五英尺六英寸的机器人有一天能够自主执行所有这些任务，但目前需要一名远程操作员来完成这些任务。