Fully autonomous robots are much closer than you think – Sergey Levine

Sergey Levine 介绍了 Physical Intelligence 的目标：打造能够控制不同机器人、完成多种任务的基础模型。公司早期演示包括叠衣服、操作纸盒和尝试收拾厨房；这些只是基础模块，并不能证明通用家务机器人问题已经解决。Levine 的长期目标，是让机器人能够管理持续进行的家务、运用常识、主动查找信息，并在犯错后修正。他给出的全自主家务能力中位数估计是 2030 年，但他区分了这个终点和他更关心的早期里程碑：让任务范围较窄但有用的机器人进入现实环境，收集经验并启动自我改进飞轮。他希望一两年内能部署有用的系统，同时承认这个时间仍不确定。

这里的飞轮并不是模型在没有监督的情况下自我改进。Levine 描述的是先有人参与其中：观察机器人行为、提供指导、协助处理失败。实体任务中的错误往往很明显；人能看出衣服叠得不好，进行干预，并帮助系统避免再次犯错。语言也可以用作监督信号，例如告诉机器人拿起杯子并放进水槽。研究难点在于如何表示有效反馈，并将其转化为稳定的学习信号。Levine 认为问题可以解决，但具体细节仍很棘手；时间表取决于能否找到一个合适的任务范围，让机器人安全运行并积累经验。

Levine 预计机器人能力会逐步扩大，类似编程助手从补全少量代码，发展到承担更大、更明确的任务。这个类比讲的是任务范围逐步扩大，而不是某个开关突然开启、所有工人都被取代。机器人可能先煮咖啡或叠纸盒；随着常识和技能范围提升，再承担更广泛的任务。被问到时间时，Levine 将五年左右视为实现家务自主能力的合理中位数，但强调这取决于尚未解决的研究问题，以及能否把现有方法正确综合起来。