कृत्रिम बुद्धिमत्ता (AI) रेसिपी शोधण्यात किंवा चित्रे तयार करण्यात सक्षम आहे, परंतु लेखन कला लटकवणे किंवा स्वयंपाक करणे यांसारख्या भौतिक कामांमध्ये ती संघर्ष करते. स्टॅनफर्ड युनिव्हर्सिटीत अभियंता आणि संशोधक असलेल्या चेल्सिया फिनमध्ये हे बदलण्याची क्षमता आहे, कारण तिला विश्वास आहे की AI रोबोटिक्समध्ये एका नवीन युगाची सुरुवात करू शकते. फिनने एक कंपनी स्थापली आहे जी कपडेfolding करण्यास सक्षम असलेल्या बहुपरक AI रोबोटचे प्रदर्शन केले आहे, आणि तिने विविध परिस्थितींमध्ये बुद्धिमत्तेसह कार्य करण्यास सक्षम रोबोटसाठी सॉफ्टवेअरची आवश्यकता अधोरेखित केली आहे. गुगलकडून अलीकडील AI-संचालित लंच-पॅकिंग रोबोटसारख्या प्रगती दर्शवत असतानाही, संशोधन समुदायाने जेनेरेटिव AI रोबोटिक्समध्ये क्रांती आणू शकेल की नाही यावर विभाजित झालेला आहे. UC बर्कलेचे केन गोल्डबर्गसारखे टीकाकार सांगतात की रोबोट्स सायंटिफिक फिक्शनच्या संभावनांना रातोरात गाठणार नाहीत कारण यात गुंतागुंतीची समस्या समाविष्ट आहे. ऐतिहासिकदृष्ट्या, रोबोटिक्सचा दृष्टिकोन नेहमीच वास्तवापेक्षा वेगाने पुढे जातो; रोबोट्स नियंत्रित, पुनरावृत्ती करणाऱ्या कार्यांमध्ये उत्कृष्ट असतात, परंतु अनिश्चित वातावरणात संघर्ष करतात. फिनच्या प्रयोगशाळेत "OpenVLA" नावाच्या प्रकल्पाद्वारे उपायांचा शोध घेतला जात आहे, ज्याचा उद्देश संगणक, भाषा आणि क्रियांचा एक प्रणाली तयार करणे आहे, ज्यामुळे मानव मस्तिष्काच्या कार्यप्रणालीसारखे कार्य करणे शक्य होईल.

हा नवोन्मेषी दृष्टिकोन रोबोट्सना तपशीलवार प्रोग्रामिंगऐवजी प्रदर्शनाद्वारे कामे करण्यासाठी प्रशिक्षित करण्याची परवानगी देतो. स्टॅनफर्डच्या मूक जिन किमने या प्रक्रियेनंतर एक मानव "पपेटियर्स" रोबोटला जोईस्टिक्सच्या साहाय्याने प्रशिक्षण देतो. जसजसे रोबोट या प्रदर्शनांवरून शिकतो, तसतसे तो स्वतंत्रपणे क्रिया replicate करू लागतो. फिनने सहसंस्थापक केलेली कंपनी फिजिकल इंटेलिजेंस ही या प्रशिक्षण मॉडेलचा विस्तार करण्यात मदत करेल, ज्यामुळे रोबोट्स साध्या कामे जसे की सॅंडविच बनवणे यासारख्या कार्यात अनुकूलित करण्यास सक्षम होतील. फिन यावर वाद घालतात की सामान्य प्रणाली विकसित करणे विशेष प्रणालींपेक्षा अधिक प्रभावी ठरू शकते, तरी आवश्यक प्रशिक्षण डेटा गोळा करणे आव्हानकारक असते. केन गोल्डबर्गसारख्या संशयवादींचा विश्वास आहे की भौतिक कार्यांसाठी एक सुसूत्र डेटासेट तयार करणे चाटबोट्ससाठी आवश्यक आहे त्यापेक्षा फारच अधिक वेळ घेईल कारण वास्तविक जगातील डेटाची गुंतागुंती. त्याचप्रमाणे, MIT चा पुलकित अग्रवाल डेटा गोळा करण्याची गती वाढवण्यासाठी सिम्युलेशन्सचा समर्थन करतो, ज्यामुळे रोबोट्सना आभासी वातावरणात अनेकदा सराव करण्याची परवानगी मिळते, तरीही अशा सिम्युलेशन्स नेहमीच वास्तविक जगाच्या अनिश्चित स्वभावाला धरून ठेवण्यास अपयशी ठरतात. कर्नीगी मेलॉनचे मॅथ्यू जॉन्सन-रॉबर्सन अशा गहन समस्यांचा उच्चार करतात, ज्यांचा विश्वास आहे की रोबोटांना चाटबोट्सपेक्षा अधिक जटिल स्थलीय आणि कालावधीचे आव्हान स्वीकारण्याची गरज आहे, ज्यामुळे डेटा परिष्कृत कार्याची अंमलबजावणीसाठी अपुरा ठरू शकतो. संशय असतानाही, अनेकांना मान्य आहे की AI रोबोटिक्समध्ये परिवर्तन करेल. गोल्डबर्गची कंपनी, अंबी रोबोटिक्स, एक AI-चालित प्रणाली विकसित केली आहे जी पॅकेज वर्गीकरणात सुधारणा करते, यामुळे कार्यक्षमता मोठ्या प्रमाणात वाढते, तरीही अंमलबजावणीसाठी पारंपारिक प्रोग्रामिंगची आवश्यकता आहे. फिनला मान्य आहे की प्रगती आवश्यक आहे, तरीही तिला वृद्ध लोकसंख्येमुळे कामगारांमध्ये कमी असलेल्या क्षेत्रांमध्ये AI-संचालित रोबोट सहाय्य करणार आहेत याबद्दल आशावादी आहे, तरीही ती या रोबोट्सला संकुल कार्यांमध्ये मानवी श्रम पूर्णपणे बदलत नाहीत असे मानत नाही.