【專訪】Gopalakrishnan：機器人還在GPT-2，接觸物理才是真正的硬仗

這場訪談值得注意的地方有四個。第一，中國機器人奧運那些跑步影片，技術難度其實被高估了——跑步在機器人研究裡屬於相對容易的問題，真正的硬仗是接觸。第二，Google今年夏天發布的Gemini Robotics 2是一套三層架構的模型，其中負責推理的那層已經開放API，任何開發者都能接入。第三，整個機器人領域現在大約還在GPT-2的水準，離可以廣泛部署還差一個世代。第四，安全不是能力的對立面，而是能力的一部分——她認為這兩件事根本不該對立著講。這四點合起來的意思是：機器人的突破不會突然發生，但方向是對的，只是時間表需要校正。

◎跑得快不等於有用，接觸才是真正的難題

中國機器人奧運的跑步影片讓很多人覺得機器人要來了，但Gopalakrishnan的解讀完全不同。跑步之所以可以練得這麼好，是因為地面是平的，接觸面是剛性的，這種環境很容易在電腦模擬裡複製，模型在模擬裡練完再放到實體機器人上，效果差距不大。但只要涉及接觸——布料，雞蛋，玻璃杯這類會變形的東西——現有的物理模擬就開始失準，模型在模擬裡學到的東西搬到現實就打折扣。她的結論很直接：跑步速度根本不是機器人能不能幫人做事的瓶頸，那只是一個讓大眾看得懂的基準測試。

◎Gemini Robotics 2的三層架構，現在能用的只有一層

Google今年夏天發布的Gemini Robotics 2實際上是三個模型。最上層是Gemini Robotics ER2，負責推理和理解場景，基於Gemini Flash這個語言模型微調而來，現在已經開放API，開發者可以像設定一般AI助理的工具一樣，定義機器人能執行哪些動作。中間層是Gemini Robotics 2本體，負責把上層的指令翻譯成機器人實際的肢體動作，能控制從手指到腳趾的整個人形機器人身體。最底層是On-Device版本，縮小到可以跑在機器人自己的電腦上，不需要連雲端。後兩層目前只開放給合作夥伴測試。推理層回應一個指令要幾秒鐘，Gopalakrishnan的看法是：工廠產線等不了，但你叫機器人去折衣服，你根本不在乎它花多久。速度和能力的取捨，會因應用場景而不同。

◎現在是GPT-2時代，差GPT-3還有兩件事

主持人問她機器人現在相當於語言模型發展的哪個階段，她說還在GPT-2。理由有兩個：第一，少樣本學習——給機器人看一次或幾次示範就能學會新任務——現在對簡單任務有效，對複雜任務還不穩；第二，跨機體泛化的問題還沒解決。語言模型不管跑在什麼硬體上行為都一致，但現在的機器人模型換一個不同的機器人身體，表現就可能大幅下降。她用的比喻很準：如果這個腦只在你的機器人上好用，換一台就失效，那它算什麼通用的腦？這個問題是機器人研究現在最核心的硬仗之一。

◎安全是能力，不是能力的對立面

訪談尾段談到安全，Gopalakrishnan把安全分成幾層：機械層面的安全（機器人倒下來砸到人），感測器失效時的應對（有人把籃子蓋在機器人頭上，它應該停下來請人移除，而不是繼續閉眼做任務），以及更高層的目標對齊問題。她的核心立場是：安全和能力不是互相競爭的，最有用的機器人就是最安全的機器人，沒有人會用一個讓人不放心的東西。這個說法聽起來像官方立場，但她補充的細節說明她確實在認真做這件事，而不只是說說而已。

從這場對話出來，有一件事很清楚：機器人的突破點不會是某個戲劇性的時刻，而是一系列工程問題被一個一個解決。接觸物理，跨機體泛化，推理速度，安全設計——每一個都是獨立的研究課題，沒有一個可以靠喊口號跳過。那些說2027年人形機器人就能大規模有用的預測，現在看起來需要很多事情同時順利才能成真。Gopalakrishnan沒有說不可能，她說的是：這些都是需要用實驗來回答的問題，不是拿來預測的題目。