媒体报道称，最新模型已展现出组合泛化（compositional generalization）的初步迹象。所谓组合泛化，指AI系统通过重组训练中学到的技能，去执行从未接触过的任务。在一项测试中，研究人员要求模型“将红薯放入空气炸锅”。演示视频显示，机器人在经过几次笨拙尝试后，最终完成了一次尚可的操作，尽管并未完美达成目标。
加州大学伯克利分校教授、PI公司联合创始人Sergey Levine对此表示兴奋：“这是我们首次令人信服地看到这种能力。我们可以让模型执行那些未专门收集数据或训练的任务，而它确实能做出及格的尝试。”
团队深入挖掘后发现，训练材料中潜伏着相关的标注遥操作数据片段，包括两例人类操作员使用机器人将空气炸锅篮子推入的案例。这些零碎数据足以让π0.7模型几乎完成烤红薯任务。尽管目前尚不清楚该模型的泛化能力上限，但这已让我们瞥见前沿研究将机器人技术推向的高度。
“70%的成功率等于没工作”
实验室中机器人起步阶段的生涩动作，与演示视频中炫酷且逼真的灵巧表现存在巨大脱节。在许多视频中，机器人看似能从舞台跳舞到礼貌递送饮料无所不能。然而，这类演示往往掩盖了一个关键事实：许多动作由人类远程控制或经过精心编排。例如，2025年3月出现在英伟达CEO黄仁勋身边的机器人，实则由制造商称为“幕后操纵者”的人员远程控制。
目前，完全自主的运动规划——即让机器人知晓行动路径——在建筑工地或陌生家庭等混乱环境中仍是尚未解决的挑战。更大的难点在于处理包含多个步骤的模糊任务，如决定如何及按何种顺序执行。区分“将盘子放入微波炉”与“做晚饭”（涉及探索冰箱、切菜、开火等）是关键分水岭。Google DeepMind在此方面的最佳尝试——要求机器人勘察厨房并收集制作蘑菇烩饭的食材——迄今均以失败告终。
Boston Dynamics创始人Marc Raibert指出：“当成功率从50%提升至70%时，人们会非常兴奋。但70%的成功率就像它没在工作，对吧？”实用的机器人必须每次都能正确执行任务。
少数在现实环境中测试的人形机器人，仅在严格受控环境下执行极有限的任务，远非通用型专家。据Agility称，其已在GXO Logistics、Amazon和Schaeffler的设施中部署数百台机器人进行试验。但Hurst表示，目前机器人主要针对移动箱子等简单任务，且耗时数年才开发出足够安全、让物流公司考虑使用的版本。至于Elon Musk，他在2025年5月声称“数千”台Optimus机器人将在年底前进入特斯拉工厂，但今年1月他承认，仅有“部分”Optimus机器人在工厂执行简单任务。
相比工厂车间，人形机器人进入家庭环境更为困难。目前可预订的1X Neo家用机器人售价2万美元，预计今年晚些时候交付。它承诺承担收餐具、开门等琐碎任务，但目前大多数操作仍需远程人工介入。当被问及全自动家务机器人何时普及时，Hurst推测：“还需要10年，机器人才能在人们家里真正做一些有用的事情。”
届时，机器人很可能来自中国。市场情报公司Omdia和宇树科技（Unitree）数据显示，2025年出货的约1.5万台人形机器人中，近90%由中国公司制造。宇树科技某款型号去年出货量居首，价格不到6000美元。亲民价格虽具吸引力，但该公司预计其产品将首先用于工业应用。媒体报道称，当前订单主要来自企业、学术实验室和国有企业。
我们曾经历过类似的情况
制造人形机器人的梦想由来已久。早在1495年，列奥纳多·达·芬奇就草拟了机械骑士设计图。整个20世纪，科幻梦境中的机器形象层出不穷。西屋电气的Elektro在1939年纽约世博会上亮相并“抽烟”；1973年早稻田大学建造了首台全尺寸可编程人形机器人WABOT-1；本田2000年发布的ASIMO能爬楼梯、识别人脸并自主移动，但因无法在演示外取得足够进展，于2018年停产。
当时的工程壮举令人印象深刻，但它们都未准备好应对真实世界。今天的机器人，即便拥有先进AI的加持，仍面临着同样的存在主义挑战。