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的發展，尤其是基礎模型的發展，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中，賦予它們某種形式的常識，使它們能夠自主執行各種任務并適應新環境。像OpenAI、Google DeepMind和Nvidia這樣的公司走在這項研究的前沿，開發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系統發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：

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境。Meta的Habitat和Nvidia的Isaac Lab等平臺提供了豐富的虛擬環境，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，容易發生故障。這使得AI增強機器人的部署具有挑戰性。確保硬件的可靠性和穩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，需要嚴格的監督和實施嚴格的操作規則。

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行日常任務，得到了OpenAI開發的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。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。