Штучний інтелект (ШІ) здатен знаходити рецепти або створювати зображення, але йому важко виконувати фізичні завдання, такі як вішання картин чи приготування їжі. Челсі Фінн, інженер і дослідник Стенфорда, прагне змінити цю ситуацію, вважаючи, що ШІ може започаткувати нову еру в робототехніці. Фінн, яка спільно заснувала компанію, що продемонструвала універсального AI-робота, здатного складати білизну, підкреслює необхідність програмного забезпечення, яке дозволяє роботам функціонувати інтелектуально в різних сценаріях. Хоча такі досягнення, як недавній AI-робот для упаковки обідів від Google, ілюструють потенціал, дослідницьке співтовариство розділено в думках щодо того, чи може генеративний ШІ справді революціонізувати робототехніку, як це сталося з онлайн-завданнями. Критики, такі як Кен Голдберг з UC Berkeley, застерігають, що роботи не досягнуть свого науково-фантастичного потенціалу за одну ніч через складності, що виникають. Історично сприйняття робототехніки часто випереджало реальність; роботи досягають успіху в контрольованих, повторюваних завданнях, але мають проблеми з непередбачуваними середовищами. Лабораторія Фінн досліджує рішення через проект під назвою "OpenVLA", метою якого є створення системи, що комбінує зоровосприйняття, мову та дії, схоже на роботу людського мозку.

Цей інноваційний підхід дозволяє навчати роботів виконувати завдання через демонстрацію, а не докладне програмування. Моо Джин Кім із Стенфорда ілюструє цей процес, де людина «керує» роботом за допомогою джойстиків, щоб навчити його завданням через повторювальну практику. Коли робот навчається з цих демонстрацій, він починає незалежно відтворювати ці дії. Компанія "Physical Intelligence", яку спільно заснувала Фінн, прагне розширити цю модель навчання, уявляючи роботи, здатні адаптуватися до різних простих завдань, таких як приготування сендвічів. Фінн стверджує, що розвиток універсальних систем може бути більш ефективним, ніж спеціалізованих, хоча збирання необхідних навчальних даних є викликом. Скептики, такі як Кен Голдберг, вважають, що створення комплексного набору даних для фізичних завдань вимагатиме значно більше часу, ніж для чат-ботів, через складності реальних даних. Аналогічно, Пулкіт Агравал з MIT віддає перевагу симуляціям як способу прискорення збору даних, дозволяючи роботам практикуватися повторно у віртуальних середовищах, хоча такі симуляції часто не можуть відтворити непередбачувану природу реального світу. Глибші проблеми також зберігаються, як підкреслює Метью Джонсон-Роберсон з Карнегі-Меллон, який вважає, що роботи повинні вирішувати більш складні просторові та часові виклики, ніж чат-боти, що робить дані недостатніми для точного виконання завдань. Попри скепсис, багато хто визнає, що ШІ перетворить робототехніку. Компанія Голдберга, Ambi Robotics, розробила систему на базі ШІ, яка вдосконалює сортування пакетів, значно підвищуючи ефективність, проте все ще вимагає традиційного програмування для виконання. Хоча Фінн погоджується, що потрібні досягнення, вона залишається оптимістичною щодо того, що роботи, що працюють на базі ШІ, можуть допомагати в секторах, які стикаються з нестачею робочої сили через старіння населення, хоча вона не передбачає, що ці роботи повністю замінять людську працю в складних завданнях.