然而，控制这类机器人绝非易事。从OpenAI到谷歌“深度思维”公司，都致力于将多功能学习算法（基础模型）嵌入机器人，以便其在聊天时表现得更像人类。这些想法的核心是给机器人灌输常识，使之能胜任各种任务。英伟达公司机器人技术营销专家杰拉德·安德鲁斯强调，机器人技术目前正处于变革的关键时刻。该公司于3月推出了一款专为人形机器人设计的通用AI模型。谷歌“深度思维”公司则创建了现有最先进的机器人基础模型之一RT-2，其可以认出明星的照片，尽管之前受到的训练中该明星并未出现过。

研究人员乐观地认为，基础模型有助科学家研发出可以辅助人类劳动的通用机器人。今年2月，人形机器人公司筹集6.75亿美元，以在通用人形机器人中应用OpenAI开发的语言和视觉模型。一段视频显示，机器人给人一个苹果，以回应人们“吃东西”的要求。

多样数据让机器人“更有经验”

尽管聊天机器人正在接受来自互联网数十亿单词训练，但机器人活动的数据集还远远不够。

数据汇集或是一种解决方法。美国斯坦福大学机器人研究专家亚历山大·卡哈扎特斯基及其同事创建了开源数据集DROID2，汇集了德国Franka Robotics公司制造的Franka Panda 7DoF机械臂约350小时的视频数据，包括浴室、洗衣房、卧室等数百种环境的记录。这种多样性有助机器人在全新环境下更好地执行任务。

加州AI公司Covariant也在努力扩大机器人数据的规模。该公司于2018年开始从世界各地的30种机械臂中收集数据，其“机器人基础模型1”（RFM-1）不仅收集视频数据，还收集传感器读数。此类数据对于提升机器人任务执行能力至关重要，比如让机器人知道如何不碰伤香蕉。

此外，许多专家正致力于构建3D虚拟现实环境，旨在通过这些环境来训练机器人。元宇宙平台（Meta）和英伟达都在模拟领域投入大量资源，以扩大机器人数据的规模，并建立了复杂的模拟世界b。通过这些平台，机器人能够在短短几个小时内积累相当于多年实际经验的数据。