前段时间，OpenAI 和微软联手扔下两枚重磅炸弹：被人千呼万唤的 GPT-4 和以迅雷不及掩耳之势发布的 Microsoft 365 Copilot。借助前者强大的图文理解、生成能力，后者把很多工作都自动化了，包括写文档，把 Word 转成 PPT，根据 Excel 数据生成图表……一时之间，AI 模型似乎什么都可以干了，但有些需要身体的活儿暂时还干不了。于是，压力来到了机器人这边。
AI 大模型加机器人会产生什么化学反应？谷歌前不久的一项研究已经给出了初步答案：他们训练了一个参数量达 5620 亿的具身多模态语言模型 —— PaLM-E，然后用这个模型来驱动机器人自主地完成各项任务。在执行这些任务的过程中，机器人必须像人一样能看、能「思考」，把眼前的状况分析清楚，然后制定行动计划并执行。比如，你可以直接问机器人：「如果一个机器人想在这里（如下图）发挥作用，它应该采取哪些步骤？」PaLM-E 可以给出答案：首先清理桌子、清理垃圾，然后挪动椅子、擦椅子，最后把椅子放回原处。对于普通 AI 模型来说，能回答出这些就已经可以了。但区别在于，谷歌这个大模型是有身体的，因此可以把上面提到的工作都做完。这就给了大家更大的想象空间。
机器之心约 4 分钟