機器人產業會迎來「ChatGPT 時刻」嗎？五大真相揭示 AI 機器人的現實與挑戰

AI 機器人的未來：數十億自主機器人將改變世界

在未來數十年內，數十億台由 AI 驅動的自主機器人將在工廠與人類並肩工作、在倉庫中執行繁瑣任務、照護年長者、協助處理危險災區、將包裹和食物送到我們家門口，最終甚至能在家中幫忙。有些機器人看起來像人類，更多則完全不像。但可以確定的是，無論外型如何，機器人都將高度依賴 AI 來創造實際價值。

2025 年，全球機器人企業的投資總額達到創紀錄的 407 億美元（約新台幣 1.3 兆元），佔所有創投資金的 9%。因此，價值數十億美元的關鍵問題是：AI 驅動的機器人要達到什麼程度，才能開始產生重大經濟影響？

目前許多機器人和 AI 公司都提出大膽宣言，例如人形機器人即將走入家庭，但承諾與現實之間仍存在巨大落差。

從科幻到現實：AI 讓機器人不再只靠程式碼

機器人與人類共同生活和工作的願景，長期以來一直是科幻小說的題材。儘管許多程式設計師嘗試將這個願景化為現實，但物理世界的複雜度實在太高，傳統電腦程式根本無法應對其無盡的變化。拜 AI 所賜，機器人不再需要被「程式化」——它們改為透過學習來在真實世界中運作。經過足夠的練習，它們能學會感知和理解周遭世界、對世界進行推理，並運用這些推理和理解來執行有用、可靠且安全的任務。

本文兩位作者分別是俄勒岡州立大學機器人學教授暨 Agility Robotics 共同創辦人，以及 Google X「Everyday Robots」登月計畫前執行長。他們在過去十年間站在 AI 與機器人的最前線，在真實場景中部署 AI 機器人的經驗，讓他們對 AI 在複雜機器人系統中的近期應用前景有了獨到見解。

他們認為，AI 將促成機器人技術的轉折點，但這將透過多種不同 AI 工具的協調整合來實現，而非像 ChatGPT 那樣的單一突破。

以下是他們提出的五大關鍵真相：

---

真相一：YouTube 影片與現實之間的鴻溝確實存在

多年來，我們在 YouTube 上看到人形機器人在舞池和障礙賽道上展現驚人動作的影片。但機器人產業內部有一句名言：「永遠不要相信 YouTube 上的機器人影片。」

能在非結構化人類環境中執行真正工作的機器人，與經過精心編排和剪輯的機器人表演之間，差距依然巨大。最近引起廣泛關注的表演，是 2026 年中國春節聯歡晚會上 Unitree 宇樹人形機器人與兒童一起表演武術的節目。雖然令人印象深刻，但這延續了精心編排的機器人表演傳統——一切都是事先仔細編排和規劃好的。底層控制、同步和編排確實令人驚嘆，但這場春晚機器人表演展現的自主性和智能水準，更接近工廠中組裝汽車的工業機器人，而非短期內會出現在你客廳裡的東西。

如果機器人能表演功夫招式、後空翻和跳舞，為什麼它們還沒有出現在工廠車間？為什麼它們不能在晚餐後幫我洗碗？

簡單的答案是：讓 AI 驅動的機器人能在各種人類環境中執行通用任務，仍然非常困難。 這些演示中的 AI 僅用於底層運動控制（防止機器人摔倒），因此只是讓機器人在非結構化的真實空間中成為通用工具的一小部分解決方案。

---

真相二：數據仍是未解的挑戰

大型語言模型（LLM）如 OpenAI 的 ChatGPT 和 Anthropic 的 Claude，最初是在網路規模的文字資料庫上訓練的。2022 年底，全世界突然發現 AI 電腦能以散文或韻文的形式與我們「對話」，而且幾乎涵蓋任何主題。LLM 具有良好的泛化能力，現在能接收多模態輸入（文字、圖像、影片）並產生多模態輸出。重要的是，其訓練數據語料庫既龐大又由人類生成，這些特性構成了 AI 訓練的黃金標準。

然而，賦予 AI 一個身體（以機器人的形式），讓它能在物理世界中與人互動，仍然是一個非常困難且廣泛未解決的問題。通用機器人的 AI 模型必須同時滿足多個經常相互衝突的物理、幾何和時間限制，同時在非結構化的動態環境中運作。為了實現泛化，機器人模型需要在高維度配置空間中收集的數據上進行訓練，其中「維度」包括文字、光照條件、自由度、關節限制、速度、力量和安全邊界等。

重要的是，這必須是高品質的數據——必須包含物理世界中近乎無限配置的大量範例。由於這類數據的既有來源極少，遙控操作、影片分析、人類動作捕捉，以及在模擬和真實世界中的自主探索，都被視為收集數據的重要途徑。這是一項艱鉅的任務。例如，在 Google X 的 Everyday Robots 專案中，他們在 2022 年期間在模擬器中運行了 2.4 億個機器人實例來收集訓練數據，而這主要只是為了訓練一個垃圾分類模型。每項技能都需要類似規模的數據才能達到相近的能力水準——而這還遠未達到人類水準。

---

真相三：不會有單一的「機器人 AI」

我們距離單一 AI 模型能讓通用機器人與我們一起生活和工作的時刻，還非常遙遠。

通用機器人可以有輪子或腿。可以有一隻、兩隻、三隻或更多手臂。有些有螺旋槳可以飛行，有些設計用於水下作業，有些要在繁忙的道路上行駛。物理世界無限多樣且複雜，再加上周圍的人類和其他動物。你要如何訓練一個模型在所有這些場景中安全可靠地操控機器人？簡單的答案是：你做不到。至少短期內做不到。

兩位作者認為，引領通用機器人下一波重大突破的 AI 架構將是**「AI 代理」（Agentic AI）**——這是一種高階協調模型，能夠推理、規劃、使用工具，並從結果中學習，以在有限的監督下執行複雜任務。運行在機器人上的高階 AI 代理模型將調用一系列針對不同類型任務的專門化模型。我們可能很快就會看到多台機器人透過各自搭載的 AI 代理模型相互協作和協調。

AI 工具正在解鎖機器人學中的新型強大能力，進而催生新的解決方案和新市場。令人鼓舞的是，這些新模型正被廣泛提供，有些甚至是開源方案。這種可用性類似於網際網路的發展歷程：當它變得無處不在時，真正的進步才隨之而來。

---

真相四：硬體仍然非常困難

機器人是由許多零組件組成的複雜系統，所有零件都需要以極高精度協同運作。從感知系統到控制電腦，再到每個獨立的致動器，機器人的每個部分都必須協調一致，才能確保實用性和安全性。

致動器——即馬達和齒輪——就是一個很好的例子。大多數工業機器人大規模使用的致動器，無法適用於將在人類環境中運作的機器人。如果這些機器人不小心撞到障礙物，產生的衝擊力大、力量高，而且東西會壞掉。人類不是這樣移動的。我們與世界互動的方式更加柔順，我們不斷與環境接觸，並利用這些接觸來幫助完成任務。

想想將鑰匙插入鎖孔的挑戰：人類通常不會把鑰匙與鎖孔完美對齊，而是憑觸感找到鎖孔邊緣，然後晃動鑰匙插入。機器人需要使用一類新型的致動器——對力量敏感且能與環境進行柔順互動——才能以類似方式運作。雖然這類致動器確實存在，但目前尚未大規模普及於設計用來在人群周圍運作的機器人系統。

---

真相五：真正的價值來自「簡單」任務

看起來令人印象深刻的任務與真正提供價值的現實世界任務之間，存在巨大差異。機器人學是**莫拉維克悖論（Moravec's Paradox）**的完美例子：對人類困難的任務對電腦來說很容易（如大數相乘），而對人類輕而易舉的任務（如幼兒的動作）對電腦和機器人來說極其困難。

服務客戶是一項殘酷的現實考驗，因為客戶只關心解決他們實際遇到的問題。如果我們要部署基於 AI 的機器人解決方案，它們必須優於目前的做事方式，同時展示可靠的效能指標和安全性。

Agility Robotics 在客戶場所部署人形機器人 Digit 的早期工作中發現，首要障礙是安全性：在人類空間中保持平衡和操作物體的機器人，會為工作場所帶來新型風險。在首批人形機器人部署中，實體屏障是必要的，Agility 因此啟動了一項多年工程計畫來解決安全挑戰，涉及機器人設計的幾乎每個面向，並大量依賴基於 AI 的人體偵測和行為控制新方法。

Google 的 Everyday Robots 在 2019 年部署了在辦公大樓中自主工作的機器人，執行清潔咖啡桌和垃圾分類等家務。他們很快就學到真實世界對機器人來說有多「混亂」和困難。

專注於創造滿足特定客戶需求的產品，並在真實環境中部署機器人，是為 AI 工具和基礎設施奠定近期實用性的唯一途徑，也是通往長期更廣泛能力和通用性的必經之路。 不會有「頓悟時刻」，不會有萬靈丹演算法，也不會有足夠的數據量能在沒有大量真實世界經驗的情況下產出一台通用機器人。

---

結語：AI 機器人正在到來，但一步一腳印

機器人產業正處於一個令人期待的轉折點。AI 工具的快速發展正在為機器人解鎖前所未有的能力，但從實驗室的驚艷演示到真正創造經濟價值的商業部署，仍有漫長的路要走。最快讓機器人融入日常生活的途徑，可能是透過各種不同形態的機器人執行日益複雜的應用，並運用一系列 AI 工具——而非等待一個單一的「ChatGPT 時刻」。

---

原文來源： 查看原文