L'intelligenza artificiale (IA) ha la capacità di trovare ricette o generare immagini, ma fatica con compiti fisici come appendere opere d'arte o cucinare. Chelsea Finn, ingegnere e ricercatore presso la Stanford University, mira a cambiare questa situazione, credendo che l'IA potrebbe inaugurare una nuova era nella robotica. Finn, che ha cofondato un'azienda che ha presentato un robot IA versatile in grado di piegare la biancheria, sottolinea la necessità di software che consenta ai robot di funzionare in modo intelligente in diversi scenari. Sebbene i progressi, come il recente robot per confezionare il pranzo di Google, illustrino il potenziale, la comunità di ricerca è divisa su se l'IA generativa possa rivoluzionare la robotica come ha fatto con i compiti online. I critici, come Ken Goldberg dell'UC Berkeley, avvertono che i robot non raggiungeranno il loro potenziale da fantascienza da un giorno all'altro a causa delle complessità coinvolte. Storicamente, la percezione della robotica è spesso stata più avanti rispetto alla realtà; i robot eccellono in compiti controllati e ripetitivi, ma faticano in ambienti imprevedibili. Il laboratorio di Finn sta esplorando soluzioni attraverso un progetto chiamato "OpenVLA", il cui obiettivo è creare un sistema che combini visione, linguaggio e azione, somigliando al funzionamento del cervello umano.

Questo approccio innovativo consente di addestrare i robot a svolgere compiti attraverso la dimostrazione piuttosto che la programmazione dettagliata. Moo Jin Kim di Stanford illustra questo processo, dove un umano “manovra” il robot utilizzando joystick per insegnargli compiti attraverso una pratica ripetitiva. Man mano che il robot impara da queste dimostrazioni, inizia a replicare le azioni in modo autonomo. Physical Intelligence, l'azienda cofondata da Finn, cerca di espandere questo modello di addestramento, immaginando robot capaci di adattarsi a vari compiti semplici come preparare panini. Finn sostiene che sviluppare sistemi generalisti potrebbe rivelarsi più efficace rispetto a quelli specializzati, sebbene raccogliere i dati necessari per l'addestramento presenti delle sfide. Doubiosi come Ken Goldberg credono che costruire un dataset completo per compiti fisici richiederà molto più tempo rispetto ai chatbot a causa delle complessità dei dati reali. Allo stesso modo, Pulkit Agrawal del MIT preferisce le simulazioni come un modo per accelerare la raccolta di dati, permettendo ai robot di esercitarsi ripetutamente in ambienti virtuali, sebbene tali simulazioni spesso non catturino la natura imprevedibile del mondo reale. Problemi più profondi persistono, come evidenziato da Matthew Johnson-Roberson della Carnegie Mellon, che crede che i robot debbano affrontare sfide spaziali e temporali più complesse rispetto ai chatbot, rendendo i dati insufficienti per un'esecuzione raffinata dei compiti. Nonostante lo scetticismo, molti riconoscono che l'IA trasformerà la robotica. L'azienda di Goldberg, Ambi Robotics, ha sviluppato un sistema basato sull'IA che migliora la gestione dei pacchi, aumentando significativamente l'efficienza ma richiedendo ancora programmazione tradizionale per l'esecuzione. Sebbene Finn concordi sul fatto che siano necessari ulteriori progressi, rimane ottimista riguardo agli robot alimentati dall'IA che potrebbero assistere in settori che affrontano carenze di manodopera a causa dell'invecchiamento della popolazione, sebbene non preveda che questi robot sostituiranno completamente il lavoro umano per compiti complessi.