你會把還能穿的髒衣服堆在哪裡？我先來揭自己的短：臥室的椅子上。
不知道為什麼，每次我要睡覺的時候，都非常不想收拾這些衣服，所以我寧願把它們都堆在椅子上，然後告訴自己「明天再說吧」。如果可以的話，我願意花大價錢將這項工作自動化。
多虧了人工智慧，我們未來或許真的可以看到家務機器人的問世。幾十年來，真正好用的家務機器人只存在於科幻小說中，這也是許多機器人科學家的最終目標。
機器人並不聰明，我們覺得容易的事情它們卻很難做到。能夠完成手術等非常複雜工作的機器人通常售價高達數十萬美元，貴得令人望而卻步。
我最近報道了美國史丹福大學開發的名為 Mobile ALOHA 的新機器人系統，研究人員用它驅動了一個便宜的、可以輕鬆買到的帶輪子的機器人，讓它能夠完成一些極其複雜的事情，比如煮蝦、擦拭污漬和搬動椅子。
他們甚至讓它做了三道菜，儘管是在人類的監督下完成的。
史丹福大學助理教授切爾西·芬恩（Chelsea Finn）是該項目的顧問，她說，機器人技術正處於一個轉折點。過去，研究人員一直受到訓練機器人所需數據量的限制。
現在有了更多的可用數據，像 Mobile ALOHA 這樣的工作表明，有了神經網絡和更多的數據，機器人可以非常快速、輕鬆地學習複雜任務。
驅動聊天機器人的大型語言模型，依賴從網際網路上收集的龐大數據集才能完成訓練，但訓練機器人需要使用真實場景中收集的數據。
這使得構建龐大的數據集變得十分困難。紐約大學和 Meta 的研究小組最近想出了一個簡單而聰明的方法來解決這個問題。
他們將 iPhone 綁在機械臂（抓取器）上並記錄在實驗參與者家裡完成的任務。收集來的數據被用來訓練一個名為 Dobb-E 的系統，可以在大約 20 分鐘內完成 100 多項家庭任務。
美國卡內基梅隆大學助理教授迪帕克·帕塔克（Deepak Pathak）表示，Mobile ALOHA 還反駁了機器人界的一種觀點，即主要是硬體缺陷阻礙了機器人完成此類任務。
（來源：STEPHANIE ARNETT/MITTR | ENVATO）
「缺失的部分是人工智慧。」他說。
至於讓機器人對語音指令做出反應，以及更好地適應現實世界裡的混亂環境，人工智慧也可以派上用場：谷歌的 RT-2 系統可以將視覺語言動作模型與機器人相結合。
它使機器人能夠「看到」和分析世界，並對語音指令做出反應，完成相應行動。
DeepMind 開發了一個名為 AutoRT 的新系統，使用類似的視覺語言模型來幫助機器人適應看不見的環境，並利用大型語言模型來為一隊機器人提供指令。
不過，即使是最先進的機器人也做不到幫人洗衣服，因為這項家務對於機器人來說實在太難了。堆起來的衣服沒什麼規律可言，形狀千奇百怪，這使得機器人很難處理它們。
但這可能只是時間問題，來自史丹福大學的研究人員 Tony Zhao 說。他樂觀地認為，即使是最棘手的任務，總有一天機器人也有可能使用人工智慧來完成。只不過它們需要先收集好的數據。
作者簡介：梅麗莎·海基萊（Melissa Heikkilä）是《麻省理工科技評論》的資深記者，她著重報道人工智慧及其如何改變我們的社會。此前，她曾在 POLITICO 撰寫有關人工智慧政策和政治的文章。她還曾在《經濟學人》工作，並曾擔任新聞主播。
支持：Ren
運營/排版：何晨龍