人工智能（AI）與機(jī)器人技術(shù)的融合可能會(huì)將這兩個(gè)領(lǐng)域推向新的高度。這一進(jìn)展得益于AI的發(fā)展，尤其是基礎(chǔ)模型的發(fā)展，這些模型是適應(yīng)性強(qiáng)、多功能的學(xué)習(xí)算法，為聊天機(jī)器人和圖像生成器等技術(shù)提供支持。

AI與機(jī)器人：新時(shí)代的到來

AI基礎(chǔ)模型基于從互聯(lián)網(wǎng)上獲取的龐大數(shù)據(jù)集進(jìn)行訓(xùn)練，使機(jī)器人能夠獲得關(guān)于世界的一般知識(shí)。這些模型可以集成到機(jī)器人系統(tǒng)中，賦予它們某種形式的常識(shí)，使它們能夠自主執(zhí)行各種任務(wù)并適應(yīng)新環(huán)境。像OpenAI、Google DeepMind和Nvidia這樣的公司走在這項(xiàng)研究的前沿，開發(fā)出用于人形機(jī)器人的復(fù)雜模型。

例如，Google DeepMind的機(jī)器人變形金剛2（RT-2）是一種基礎(chǔ)模型，使機(jī)械臂能夠執(zhí)行其未明確訓(xùn)練的任務(wù)，利用互聯(lián)網(wǎng)獲取的知識(shí)。這種從廣泛的數(shù)據(jù)源中進(jìn)行概括的能力是朝著創(chuàng)建更強(qiáng)大和更適應(yīng)性機(jī)器人的重要一步。

通過機(jī)器人提升人工智能

機(jī)器人為推動(dòng)AI本身的發(fā)展提供了獨(dú)特的機(jī)會(huì)。與現(xiàn)實(shí)世界的物理互動(dòng)可以幫助AI系統(tǒng)發(fā)展對(duì)空間和物理概念的更深入理解，向人工通用智能（AGI）邁進(jìn)，這種智能在各種任務(wù)中表現(xiàn)出類似人類的認(rèn)知能力。Meta的研究人員Akshara Rai等人認(rèn)為，真正的智能需要物理體現(xiàn)。

挑戰(zhàn)與障礙

盡管前景廣闊，AI與機(jī)器人技術(shù)的融合面臨著重重挑戰(zhàn)：

1. 數(shù)據(jù)限制：與擁有數(shù)十億文本示例的語言模型不同，機(jī)器人系統(tǒng)缺乏等量的物理交互數(shù)據(jù)集。DROID2等項(xiàng)目聚合了機(jī)械臂的視頻數(shù)據(jù)，而Covariant通過在倉(cāng)庫(kù)中運(yùn)行的機(jī)器人操作數(shù)據(jù)集解決這一問題。

2. 仿真：為了解決現(xiàn)實(shí)世界數(shù)據(jù)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(tái)提供了豐富的虛擬環(huán)境，機(jī)器人可以在其中獲得經(jīng)驗(yàn)而無需面對(duì)物理試驗(yàn)的磨損。

3. 硬件問題：機(jī)器人是復(fù)雜的機(jī)器，容易發(fā)生故障。這使得AI增強(qiáng)機(jī)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(guān)鍵。

4. 安全問題：AI模型可能會(huì)犯錯(cuò)誤，在物理機(jī)器人的背景下，這些錯(cuò)誤可能會(huì)導(dǎo)致事故或損壞。確保安全至關(guān)重要，需要嚴(yán)格的監(jiān)督和實(shí)施嚴(yán)格的操作規(guī)則。

未來前景

機(jī)器人中AI的未來前景廣闊，潛在應(yīng)用范圍從工業(yè)自動(dòng)化到個(gè)人助理。像Figure這樣的公司正朝著通用人形機(jī)器人邁進(jìn)，這些機(jī)器人可以與人類互動(dòng)并執(zhí)行日常任務(wù)，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(dāng)前的能力。雖然基礎(chǔ)模型顯示出顯著的潛力，但將這些模型轉(zhuǎn)化為可靠的、日常的機(jī)器人助手需要克服重大的技術(shù)和實(shí)際挑戰(zhàn)。從令人印象深刻的演示到廣泛部署的道路漫長(zhǎng)且充滿障礙。