Umelá inteligencia (AI) má schopnosť nájsť recepty alebo generovať obrázky, ale má problémy so fyzickými úlohami, ako je zavesenie umeleckých diel alebo varenie. Chelsea Finn, inžinierka a výskumníčka na Stanfordovej univerzite, sa snaží to zmeniť, verí, že AI by mohla prispieť k novej ére v robotike. Finn, ktorá spoluzakladala spoločnosť, ktorá predstavila univerzálny robot AI schopný skladať prádlo, zdôrazňuje potrebu softvéru, ktorý umožní robotom fungovať inteligentne v rôznych scenároch. Aj keď pokroky, ako je nedávny robot na balenie obedov s podporou AI od Googlu, ilustrujú potenciál, výskumná komunita je rozdelená v názore, či generatívna AI môže revolučne zmeniť robotiku tak, ako to spravila v online úlohách. Kritici, ako Ken Goldberg z UC Berkeley, varujú, že roboty nedosiahnu svoj potenciál zo sci-fi literatúry cez noc kvôli zapleteným zložitostiam. História ukazuje, že vnímanie robotiky často predbehlo realitu; roboty excelujú v kontrolovaných, repetitívnych úlohách, ale majú problémy s nepredvídateľným prostredím. Finnova laboratórium skúma riešenia prostredníctvom projektu nazvaného "OpenVLA, " ktorý sa snaží vytvoriť systém kombinujúci víziu, jazyk a akciu, čo pripomína fungovanie ľudského mozgu.

Tento inovatívny prístup umožňuje trénovať roboty vykonávať úlohy pomocou demonštrácie, namiesto podrobného programovania. Moo Jin Kim zo Stanfordu ilustruje tento proces, kde človek „poháňa“ robota pomocou joystickov, aby mu naučil úlohy prostredníctvom repetitívnej praxe. Keď sa robot učí z týchto demonštrácií, začína tieto akcie opakovať nezávisle. Physical Intelligence, spoločnosť spoluzakladaná Finnovou, sa snaží rozšíriť tento tréningový model s víziou robotov schopných prispôsobiť sa rôznym jednoduchým úlohám, ako je príprava sendvičov. Finnová tvrdí, že vývoj generalistických systémov by mohol byť efektívnejší ako špecializované, hoci zhromaždenie potrebných tréningových dát predstavuje výzvy. Skeptici ako Ken Goldberg veria, že vybudovanie komplexného datasetu pre fyzické úlohy potrvá oveľa dlhšie ako pre chatboty kvôli zložitosti dát zo skutočného sveta. Podobne, Pulkit Agrawal z MIT favorizuje simulácie ako spôsob, ako urýchliť zber dát tým, že umožní robotom opakovane cvičiť v virtuálnych prostrediach, hoci takéto simulácie často nedokážu zachytiť nepredvídateľnú povahu skutočného sveta. Problémy pretrvávajú, na čo poukazuje Matthew Johnson-Roberson z Carnegie Mellon, ktorý verí, že roboty musia čeliť zložitým priestorovým a časovým výzvam, než chatboty, čo robí údaje nedostatočnými na precízne vykonávanie úloh. Napriek skepticizmu mnohí uznávajú, že AI transformuje robotiku. Goldbergova spoločnosť, Ambi Robotics, vyvinula systém poháňaný AI, ktorý zdokonaľuje triedenie balíkov, čím výrazne zlepšuje efektivitu, aj keď stále vyžaduje tradičné programovanie na vykonanie. Aj keď Finnová súhlasí, že sú potrebné pokroky, zostáva optimistická, pokiaľ ide o roboty napájané AI, ktoré pomôžu v sektoroch čelících nedostatku pracovných síl kvôli starnúcej populácii, aj keď nepredpokladá, že tieto roboty úplne nahradia ľudskú prácu pri zložitých úlohách.