Obserwuję mini paradoks Moraveca w robotyce: gimnastyka, która jest trudna dla ludzi, jest znacznie łatwiejsza dla robotów niż "nudne" zadania, takie jak gotowanie, sprzątanie i montaż. Prowadzi to do dysonansu poznawczego dla osób spoza branży: "więc roboty mogą uprawiać parkour i breakdance, ale dlaczego nie mogą zająć się moim psem?" Uwierz mi, moi rodzice pytali mnie o to więcej, niż myślisz ... "Paradoks Moraveca robotów" tworzy również iluzję, że fizyczne możliwości AI są znacznie bardziej zaawansowane, niż są w rzeczywistości. Nie wskazuję na Unitree, ponieważ dotyczy to szeroko wszystkich ostatnich akrobatycznych pokazów w branży. Oto prosty test: jeśli ustawisz ścianę przed robotem wykonującym salto, uderzy w nią z pełną siłą i stworzy widowisko. Ponieważ po prostu nadmiernie dopasowuje ten pojedynczy ruch referencyjny, nie mając żadnej świadomości otoczenia. Oto dlaczego ten paradoks istnieje: znacznie łatwiej jest wytrenować "ślepą gimnastyczkę" niż robota, który widzi i manipuluje. Pierwszy problem można całkowicie rozwiązać w symulacji i przenieść bez żadnych prób do rzeczywistego świata, podczas gdy drugi wymaga niezwykle realistycznego renderowania, fizyki kontaktu i chaotycznej dynamiki obiektów w rzeczywistości - żadna z tych rzeczy nie może być dobrze symulowana. Wyobraź sobie, że możesz trenować LLM-y nie z internetu, ale z czysto ręcznie stworzonym tekstowym konsolowym grą. Robotycy mieli szczęście. Żyjemy w świecie, w którym przyspieszone silniki fizyczne są tak dobre, że możemy osiągnąć imponującą akrobatykę, używając dosłownie zerowych danych rzeczywistych. Ale jeszcze nie odkryliśmy tego samego kodu oszustwa dla ogólnej zręczności. Do tego czasu nadal będziemy pytani przez naszych zdezorientowanych rodziców.