Kunstmatige intelligentie (AI) heeft de capaciteit om recepten te vinden of beelden te genereren, maar heeft moeite met fysieke taken zoals het ophangen van kunstwerken of koken. Chelsea Finn, een ingenieur en onderzoeker aan de Stanford University, streeft ernaar hier verandering in te brengen, in de overtuiging dat AI een nieuw tijdperk in de robotica kan inluiden. Finn, die een bedrijf heeft medeopgericht dat een veelzijdige AI-robot heeft gepresenteerd die in staat is om de was op te vouwen, benadrukt de noodzaak van software die robots in staat stelt om intelligent te functioneren in verschillende scenario's. Hoewel vooruitgangen zoals de recente AI-gestuurde lunchpakkettenrobot van Google potentieel illustreren, is de onderzoeksgemeenschap verdeeld over de vraag of generatieve AI de robotica kan revolutioneren zoals het heeft gedaan met online taken. Critici, zoals Ken Goldberg van UC Berkeley, waarschuwen dat robots hun sciencefictionpotentieel niet van de ene op de andere dag zullen bereiken vanwege de daarbij betrokken complicaties. Historisch gezien heeft de perceptie van robotica vaak de werkelijkheid overtroffen; robots excelleren in gecontroleerde, repetitieve taken maar hebben moeite met onvoorspelbare omgevingen. Het laboratorium van Finn onderzoekt oplossingen via een project genaamd "OpenVLA, " dat tot doel heeft een systeem te creëren dat visie, taal en actie combineert, vergelijkbaar met de werking van de menselijke hersenen.

Deze innovatieve benadering maakt het mogelijk om robots te trainen om taken uit te voeren door middel van demonstratie in plaats van gedetailleerde programmering. Moo Jin Kim van Stanford illustreert dit proces, waarbij een mens de robot "poppenspeler" met behulp van joysticks om deze taken aan te leren door herhaalde oefening. Terwijl de robot van deze demonstraties leert, begint hij de acties zelfstandig te repliceren. Physical Intelligence, het bedrijf medeopgericht door Finn, streeft ernaar dit trainingsmodel uit te breiden, met de visie op robots die in staat zijn zich aan te passen aan verschillende eenvoudige taken zoals sandwiches maken. Finn betoogt dat de ontwikkeling van generalistische systemen effectiever kan blijken dan gespecialiseerde, hoewel het verzamelen van de benodigde trainingsdata uitdagingen met zich meebrengt. Sceptici zoals Ken Goldberg geloven dat het bouwen van een uitgebreide dataset voor fysieke taken veel langer zal duren dan voor chatbots vanwege de complexiteit van echte gegevens. Evenzo geeft MIT's Pulkit Agrawal de voorkeur aan simulaties als manier om de gegevensverzameling te versnellen door robots herhaaldelijk in virtuele omgevingen te laten oefenen, hoewel dergelijke simulaties vaak niet de onvoorspelbare aard van de echte wereld vastleggen. Diepere kwesties blijven ook bestaan, zoals benadrukt door Matthew Johnson-Roberson van Carnegie Mellon, die gelooft dat robots complexere ruimtelijke en temporele uitdagingen moeten aanpakken dan chatbots, waardoor de gegevens onvoldoende zijn voor verfijnde taakuitvoering. Ondanks scepsis erkennen velen dat AI de robotica zal transformeren. Goldbergs bedrijf, Ambi Robotics, heeft een AI-gestuurd systeem ontwikkeld dat de sortering van pakketten verbetert en de efficiëntie aanzienlijk verhoogt, terwijl nog steeds traditionele programmering nodig is voor uitvoering. Hoewel Finn het eens is met de noodzaak van vooruitgang, blijft ze optimistisch dat AI-gestuurde robots kunnen helpen in sectoren die te maken hebben met personeelstekorten door vergrijzing, hoewel ze niet voorziet dat deze robots menselijke arbeid voor complexe taken volledig zullen vervangen.