Искусственный интеллект (ИИ) способен находить рецепты или генерировать изображения, но ему трудно выполнять физические задачи, такие как развешивание произведений искусства или приготовление пищи. Челси Финн, инженер и исследователь Стэнфордского университета, стремится изменить это, полагая, что ИИ может привести к новой эре в робототехнике. Финн, сооснователь компании, которая продемонстрировала универсального ИИ-робота, способного складывать бельё, подчеркивает необходимость разработки программного обеспечения, позволяющего роботам функционировать интеллектуально в различных сценариях. Хотя такие достижения, как недавний робот для упаковки ланчей от Google, демонстрируют потенциал, научное сообщество разделено во мнении, может ли генеративный ИИ революционизировать робототехнику так же, как это произошло с онлайн-задачами. Критики, такие как Кен Голдберг из Университета Калифорнии в Беркли, предостерегают, что роботам не удастся достичь своих научно-фантастических возможностей за одну ночь из-за сложностей, с которыми они сталкиваются. Исторически сложилось так, что восприятие робототехники зачастую опережало реальность; роботы отлично справляются с контролируемыми, повторяющимися задачами, но испытывают трудности в непредсказуемой среде. Лаборатория Финн исследует решения через проект "OpenVLA", который стремится создать систему, объединяющую зрение, язык и действия, напоминающую работу человеческого мозга.

Этот инновационный подход позволяет обучать роботов выполнению задач через демонстрацию вместо детального программирования. Станфордский Муу Джин Ким иллюстрирует этот процесс, когда человек "управляет" роботом с помощью джойстиков, обучая его задачам через повторяющуюся практику. По мере того как робот учится на этих демонстрациях, он начинает воспроизводить действия самостоятельно. Компания "Physical Intelligence", сооснователем которой является Финн, стремится расширить эту модель обучения, представляя роботов, способных адаптироваться к различным простым задачам, таким как приготовление сэндвичей. Финн утверждает, что разработка универсальных систем может оказаться более эффективной, чем специализированных, хотя сбор необходимых данных для обучения представляет собой сложную задачу. Скептики, такие как Кен Голдберг, считают, что создание обширной базы данных для физических задач займет значительно больше времени, чем для чат-ботов, из-за сложности данных из реального мира. Аналогично, Пулкит Агравайл из MIT предпочитает симуляции как способ ускорить сбор данных, позволяя роботам повторно практиковаться в виртуальных средах, хотя такие симуляции часто не успевают уловить непредсказуемую природу реального мира. Существуют и более глубокие проблемы, на которые указывает Мэттью Джонсон-Роберсон из Университета Карнеги-Меллона, который считает, что роботам необходимо решать более сложные пространственные и временные задачи, чем чат-ботам, что делает данные недостаточными для тонкой настройки выполнения заданий. Несмотря на скептицизм, многие признают, что ИИ трансформирует робототехнику. Компания Голдберга, Ambi Robotics, разработала систему на основе ИИ, которая улучшает сортировку посылок, значительно повышая эффективность, хотя для ее работы по-прежнему требуется традиционное программирование. Хотя Финн согласна с тем, что нужны прогресс, она оптимистично смотрит на возможность использования ИИ-роботов в секторах, испытывающих нехватку рабочей силы из-за старения населения, хотя не ожидает, что эти роботы полностью заменят человеческий труд в сложных задачах.