Kunstig intelligens (AI) har evnen til at finde opskrifter eller generere billeder, men den har svært ved fysiske opgaver som at hænge kunstværk op eller lave mad. Chelsea Finn, en ingeniør og forsker ved Stanford Universitet, har til hensigt at ændre dette og mener, at AI kan banede vejen for en ny æra inden for robotteknologi. Finn, som medstiftede et firma, der har præsenteret en alsidig AI-robot, der kan folde tøj, understreger behovet for software, der gør det muligt for robotter at fungere intelligent i forskellige scenarier. Selvom fremskridt som Googles nylige AI-drevne frokostpakkerobot illustrerer potentialet, er forskningsmiljøet delt om, hvorvidt generativ AI kan revolutionere robotik, som den har gjort med online opgaver. Kritikere som UC Berkeleys Ken Goldberg advarer om, at robotter ikke vil opnå deres science fiction-potentiale natten over på grund af de involverede kompleksiteter. Historisk set har opfattelsen af robotik ofte overhalet virkeligheden; robotter udmærker sig i kontrollerede, gentagne opgaver, men har svært ved uforudsigelige miljøer. Finns laboratorium udforsker løsninger gennem et projekt kaldet "OpenVLA, " der har til formål at skabe et system, der kombinerer syn, sprog og handling, der ligner den menneskelige hjernes funktion.

Denne innovative tilgang gør det muligt at træne robotter til at udføre opgaver gennem demonstration i stedet for detaljeret programmering. Stanford's Moo Jin Kim illustrerer denne proces, hvor en menneskelig "træner" robotten ved hjælp af joystick for at lære den opgaver gennem gentagen praksis. Efterhånden som robotten lærer af disse demonstrationer, begynder den at replikere handlingerne uafhængigt. Physical Intelligence, det firma Finn medstiftede, søger at udvide denne træningsmodel og forestiller sig robotter, der kan tilpasse sig forskellige simple opgaver som at lave sandwich. Finn argumenterer for, at udviklingen af generalist-systemer kunne vise sig at være mere effektiv end specialiserede, selvom indsamlingen af de nødvendige træningsdata er en udfordring. Skeptikere som Ken Goldberg mener, at det vil tage betydeligt længere tid at opbygge et omfattende datasæt for fysiske opgaver end for chatbots på grund af kompleksiteten af virkelige data. Tilsvarende foretrækker MIT’s Pulkit Agrawal simuleringer som en måde at fremskynde datainnsamlingen ved at lade robotter øve sig gentagne gange i virtuelle miljøer, selvom sådanne simuleringer ofte ikke fanger den uforudsigelige natur i den virkelige verden. Der er også dybere problemer, som Carnegie Mellons Matthew Johnson-Roberson fremhæver, og som mener, at robotter skal tackle mere komplekse rumlige og tidslige udfordringer end chatbots, hvilket gør data utilstrækkelige til præcise opgaveudførelser. På trods af skepsis anerkender mange, at AI vil transformere robotik. Goldbergs firma, Ambi Robotics, har udviklet et AI-drevet system, der forbedrer pakkesortering, hvilket markant øger effektiviteten, samtidig med at det stadig kræver traditionel programmering for udførelsen. Mens Finn er enig i, at der er behov for fremskridt, er hun optimistisk med hensyn til AI-drevne robotter, der kan assistere i sektorer med mangel på arbejdskraft på grund af aldrende befolkninger, selvom hun ikke ser for sig, at disse robotter helt vil erstatte menneskelig arbejdskraft til komplekse opgaver.