人工智能（AI）與機器人技術的融合可能會將這兩個領域推向新的高度。這一進展得益于AI的發(fā)展，尤其是基礎模型的發(fā)展，這些模型是適應性強、多功能的學習算法，為聊天機器人和圖像生成器等技術提供支持。

AI與機器人：新時代的到來

AI基礎模型基于從互聯網上獲取的龐大數據集進行訓練，使機器人能夠獲得關于世界的一般知識。這些模型可以集成到機器人系統(tǒng)中，賦予它們某種形式的常識，使它們能夠自主執(zhí)行各種任務并適應新環(huán)境。像OpenAI、Google DeepMind和Nvidia這樣的公司走在這項研究的前沿，開發(fā)出用于人形機器人的復雜模型。

例如，Google DeepMind的機器人變形金剛2（RT-2）是一種基礎模型，使機械臂能夠執(zhí)行其未明確訓練的任務，利用互聯網獲取的知識。這種從廣泛的數據源中進行概括的能力是朝著創(chuàng)建更強大和更適應性機器人的重要一步。

通過機器人提升人工智能

機器人為推動AI本身的發(fā)展提供了獨特的機會。與現實世界的物理互動可以幫助AI系統(tǒng)發(fā)展對空間和物理概念的更深入理解，向人工通用智能（AGI）邁進，這種智能在各種任務中表現出類似人類的認知能力。Meta的研究人員Akshara Rai等人認為，真正的智能需要物理體現。

挑戰(zhàn)與障礙

盡管前景廣闊，AI與機器人技術的融合面臨著重重挑戰(zhàn)：

1. 數據限制：與擁有數十億文本示例的語言模型不同，機器人系統(tǒng)缺乏等量的物理交互數據集。DROID2等項目聚合了機械臂的視頻數據，而Covariant通過在倉庫中運行的機器人操作數據集解決這一問題。

2. 仿真：為了解決現實世界數據的稀缺性，研究人員越來越多地使用仿真環(huán)境。Meta的Habitat和Nvidia的Isaac Lab等平臺提供了豐富的虛擬環(huán)境，機器人可以在其中獲得經驗而無需面對物理試驗的磨損。

3. 硬件問題：機器人是復雜的機器，容易發(fā)生故障。這使得AI增強機器人的部署具有挑戰(zhàn)性。確保硬件的可靠性和穩(wěn)健性是成功集成的關鍵。

4. 安全問題：AI模型可能會犯錯誤，在物理機器人的背景下，這些錯誤可能會導致事故或損壞。確保安全至關重要，需要嚴格的監(jiān)督和實施嚴格的操作規(guī)則。

未來前景

機器人中AI的未來前景廣闊，潛在應用范圍從工業(yè)自動化到個人助理。像Figure這樣的公司正朝著通用人形機器人邁進，這些機器人可以與人類互動并執(zhí)行日常任務，得到了OpenAI開發(fā)的AI模型的支持。

然而，專家警告不要過度炒作當前的能力。雖然基礎模型顯示出顯著的潛力，但將這些模型轉化為可靠的、日常的機器人助手需要克服重大的技術和實際挑戰(zhàn)。從令人印象深刻的演示到廣泛部署的道路漫長且充滿障礙。

結論

AI與機器人技術的結合將改變技術領域的格局，推動機器自主能力的邊界。盡管需要克服許多障礙，持續(xù)的進步表明，未來機器人將在日常生活中更加集成，執(zhí)行廣泛的任務，并具有以前認為僅存在于科幻中的自主性和智能。