在自動駕駛計程車穿梭於各大城市街道、無人機在空中自主配送包裹的當下，通用型機器人在職場乃至家庭中協助人類完成各類任務的願景，似乎已不再遙不可及。
而這一未來的實現，有賴於由現代人工智慧驅動的自主機器人技術的持續突破——這一雄心勃勃的願景，不僅催生了眾多研究人員轉型創業，也吸引了數十億美元的資本湧入。
"大約15年前，我主導了一個專注於自主性研究的項目，但那時候，團隊的目標不過是讓機器人從A點導航到B點。"位於馬薩諸塞州沃爾瑟姆市的機器人公司Boston Dynamics軟體副總裁Matt Malchano表示，"而如今，當我們談論自主性，我們腦海中浮現的是一個龐大的任務空間——我們能想像到的一切機器人可以獨立完成的事情。"
過去，要打造出像《傑森一家》中的管家Rosie，或《星際大戰》中C-3PO這樣的通用自主機器人，幾乎難以找到切實可行的路徑——彼時，機器人實驗室和企業仍在努力攻克自主導航，甚至步行機器人的自平衡問題都尚未解決。1979年，斯坦福大學研發的實驗性自動駕駛車輛"斯坦福車"需要整整五個小時，才能在一個布滿障礙物的房間內成功移動20米。首台能獨立行走而不失去平衡的雙足機器人，則遲至1996年才問世。
但機器人自主性始終是一個"動態目標"——其終極願景是讓機器人能夠完成人類所能做到的事情中越來越大的一個子集，並且最好無需人工直接干預。Malchano如此向Ars解釋道。國際標準化組織將機器人自主性定義為"在無需人工干預的情況下，基於當前狀態與感知來執行預定任務的能力"。
近年來人工智慧領域的重大進展——包括2010年代的強化學習，以及2020年代基於海量數據訓練的大型基礎模型——已經"解鎖"了一種全新的可能性，讓人們得以"想像這樣一個世界：機器人能夠完成一系列活動，真正理解任務的含義，這令人備感振奮。"Malchano說道。目前，多家研究機構和企業正競相研發能夠在更加複雜、不可預測的環境中獨立處理各類任務的通用機器人。
儘管人形機器人正在吸引大量投資者資金，但這類通用機器人未必都會以人形形態呈現。無論外形如何，它們都將代表著超越現有工業機器人與服務機器人的重大進步——那些機器人已達數百萬台，在工廠和倉庫相對受控的環境中執行特定任務。
"在流水線上，機器人被設定執行某個特定動作，只要能夠可靠、重複地完成，這就是工廠層面的基礎自主性。"加州大學伯克利分校電腦科學家、AI與機器人公司Physical Intelligence聯合創始人Sergey Levine表示，"但下一個層級——也就是目前站在可能性邊界上的那個層級，就像一個正在走向現實的研究課題——是機器人能夠在非結構化環境中可靠地完成任務。"
Ars就多個議題採訪了機器人研究人員和創業者，內容涵蓋：AI如何極大激發了人們對機器人領域的興趣、研發通用機器人面臨的挑戰、安全性為何是機器人工作者成敗的關鍵、為何手術機器人至今仍自主性有限，以及家用機器人助手何時才能真正進入千家萬戶。
Levine創立的Physical Intelligence公司，正致力於實現真正意義上的實用機器人智能，賦能各類機器人在開放世界環境中自主運行。"我認為最終的答案不會是某一台終極機器人，比如一台無所不能的超級先進人形機器人，"Levine對Ars說，"我認為，未來將會出現一種通用AI模型，為各種各樣、各司其職的機器人提供動力支撐。"
Q&A
Q1：Boston Dynamics在機器人自主性方面取得了哪些進展？
A：據Boston Dynamics軟體副總裁Matt Malchano介紹，15年前該公司的目標僅是讓機器人完成從A點到B點的導航。如今，得益於強化學習和大型基礎模型等AI技術的突破，機器人已能夠理解並執行一系列複雜任務，自主性目標已擴展到人類日常能做到的大量事務，且理想狀態下無需人工直接干預。
Q2：Physical Intelligence公司的通用機器人研究方向是什麼？
A：Physical Intelligence由加州大學伯克利分校電腦科學家Sergey Levine聯合創立，致力於開發能夠在開放、非結構化環境中可靠運作的實用機器人智能。與其研發單一的全能人形機器人不同，該公司的目標是打造一種通用AI模型，為各類適合不同工作場景的機器人提供統一的智能支撐。
Q3：現有工業機器人和未來通用機器人有什麼區別？
A：現有工業機器人和服務機器人主要在工廠、倉庫等受控環境中執行特定的、重複性任務，屬於基礎層級的自主性。而未來通用機器人的目標是在複雜、不可預測的非結構化環境中獨立處理各類任務，能夠理解任務含義並完成連續動作序列，代表著機器人自主性的下一個重大突破。
